SeleniumScrapingTool
هذه الأداة حالياً قيد التطوير. أثناء تحسين قدراتها، قد يواجه المستخدمون سلوكاً غير متوقع.
ملاحظاتكم لا تقدر بثمن لإجراء التحسينات.
الوصف
أداةSeleniumScrapingTool مصنوعة لمهام استخراج البيانات من الويب عالية الكفاءة.
تسمح بالاستخراج الدقيق للمحتوى من صفحات الويب باستخدام محددات CSS لاستهداف عناصر محددة.
تصميمها يخدم مجموعة واسعة من احتياجات الاستخراج، مع توفير المرونة للعمل مع أي عنوان URL مقدم.
التثبيت
لاستخدام هذه الأداة، تحتاج إلى تثبيت حزمة أدوات CrewAI و Selenium:مثال
يوضح المثال التالي كيفية استخدامSeleniumScrapingTool مع وكيل CrewAI:
Code
Code
المعاملات
تقبل أداةSeleniumScrapingTool المعاملات التالية أثناء التهيئة:
- website_url: اختياري. عنوان URL للموقع المراد استخراجه. إذا تم تقديمه أثناء التهيئة، لن يحتاج الوكيل إلى تحديده عند استخدام الأداة.
- css_element: اختياري. محدد CSS للعناصر المراد استخراجها. إذا تم تقديمه أثناء التهيئة، لن يحتاج الوكيل إلى تحديده عند استخدام الأداة.
- cookie: اختياري. قاموس يحتوي على معلومات ملفات تعريف الارتباط، مفيد لمحاكاة جلسة تسجيل دخول للوصول إلى محتوى مقيد.
- wait_time: اختياري. يحدد التأخير (بالثواني) قبل الاستخراج، مما يسمح للموقع وأي محتوى ديناميكي بالتحميل الكامل. الافتراضي هو
3ثوانٍ. - return_html: اختياري. ما إذا كان يجب إرجاع محتوى HTML بدلاً من النص فقط. الافتراضي هو
False.
- website_url: مطلوب. عنوان URL للموقع المراد استخراجه.
- css_element: مطلوب. محدد CSS للعناصر المراد استخراجها.
مثال على التكامل مع الوكيل
إليك مثالاً أكثر تفصيلاً لكيفية دمجSeleniumScrapingTool مع وكيل CrewAI:
Code
تفاصيل التنفيذ
تستخدم أداةSeleniumScrapingTool Selenium WebDriver لأتمتة تفاعلات المتصفح:
Code
- إنشاء نسخة متصفح Chrome بدون واجهة
- التنقل إلى عنوان URL المحدد
- الانتظار للمدة المحددة للسماح بتحميل الصفحة
- إضافة أي ملفات تعريف ارتباط إذا تم تقديمها
- استخراج المحتوى بناءً على محدد CSS
- إرجاع المحتوى المستخرج كنص أو HTML
- إغلاق نسخة المتصفح
التعامل مع المحتوى الديناميكي
أداةSeleniumScrapingTool مفيدة بشكل خاص لاستخراج المواقع ذات المحتوى الديناميكي المُحمّل عبر JavaScript. باستخدام نسخة متصفح حقيقية، يمكنها:
- تنفيذ JavaScript على الصفحة
- انتظار تحميل المحتوى الديناميكي
- التفاعل مع العناصر عند الحاجة
- استخراج المحتوى الذي لن يكون متاحاً مع طلبات HTTP البسيطة
wait_time لضمان تحميل جميع المحتوى الديناميكي قبل الاستخراج.
الخلاصة
توفر أداةSeleniumScrapingTool طريقة قوية لاستخراج المحتوى من المواقع باستخدام أتمتة المتصفح. من خلال تمكين الوكلاء من التفاعل مع المواقع كما يفعل المستخدم الحقيقي، تسهّل استخراج المحتوى الديناميكي الذي يكون صعباً أو مستحيلاً باستخدام طرق أبسط. هذه الأداة مفيدة بشكل خاص للبحث وجمع البيانات ومهام المراقبة التي تتضمن تطبيقات ويب حديثة ذات محتوى مُصيّر بـ JavaScript.