الانتقال إلى المحتوى الرئيسي

SeleniumScrapingTool

هذه الأداة حالياً قيد التطوير. أثناء تحسين قدراتها، قد يواجه المستخدمون سلوكاً غير متوقع. ملاحظاتكم لا تقدر بثمن لإجراء التحسينات.

الوصف

أداة SeleniumScrapingTool 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:
ستحتاج أيضاً إلى تثبيت Chrome على نظامك، حيث تستخدم الأداة Chrome WebDriver لأتمتة المتصفح.

مثال

يوضح المثال التالي كيفية استخدام SeleniumScrapingTool مع وكيل CrewAI:
Code
يمكنك أيضاً تهيئة الأداة بمعاملات محددة مسبقاً:
Code

المعاملات

تقبل أداة SeleniumScrapingTool 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 3 ثوانٍ.
  • return_html: اختياري. ما إذا كان يجب إرجاع محتوى HTML بدلاً من النص فقط. الافتراضي هو False.
عند استخدام الأداة مع وكيل، سيحتاج الوكيل إلى تقديم المعاملات التالية (ما لم يتم تحديدها أثناء التهيئة):
  • 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 دمج SeleniumScrapingTool مع وكيل CrewAI:
Code

تفاصيل التنفيذ

تستخدم أداة SeleniumScrapingTool Selenium WebDriver لأتمتة تفاعلات المتصفح:
Code
تنفذ الأداة الخطوات التالية:
  1. إنشاء نسخة متصفح Chrome بدون واجهة
  2. التنقل إلى عنوان URL المحدد
  3. الانتظار للمدة المحددة للسماح بتحميل الصفحة
  4. إضافة أي ملفات تعريف ارتباط إذا تم تقديمها
  5. استخراج المحتوى بناءً على محدد CSS
  6. إرجاع المحتوى المستخرج كنص أو HTML
  7. إغلاق نسخة المتصفح

التعامل مع المحتوى الديناميكي

أداة SeleniumScrapingTool مفيدة بشكل خاص لاستخراج المواقع ذات المحتوى الديناميكي المُحمّل عبر JavaScript. باستخدام نسخة متصفح حقيقية، يمكنها:
  1. تنفيذ JavaScript على الصفحة
  2. انتظار تحميل المحتوى الديناميكي
  3. التفاعل مع العناصر عند الحاجة
  4. استخراج المحتوى الذي لن يكون متاحاً مع طلبات HTTP البسيطة
يمكنك ضبط معامل wait_time لضمان تحميل جميع المحتوى الديناميكي قبل الاستخراج.

الخلاصة

توفر أداة SeleniumScrapingTool 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.