Skip to main content
Hyperbrowser 是一个用于运行和扩展无头浏览器的平台。它允许您大规模启动和管理浏览器会话,并提供易于使用的解决方案以满足任何网页抓取需求,例如抓取单个页面或爬取整个站点。 主要功能:
  • 即时扩展能力 - 无需基础设施烦恼,数秒内启动数百个浏览器会话
  • 简单集成 - 与 Puppeteer 和 Playwright 等流行工具无缝协作
  • 强大的 API - 易于使用的 API 用于抓取/爬取任何网站,以及更多功能
  • 绕过反机器人措施 - 内置隐身模式、广告拦截、自动验证码解决和代理轮换
本指南提供了开始使用 Hyperbrowser 网页工具的快速概述。 有关 Hyperbrowser 的更多信息,请访问 Hyperbrowser 网站,或者如果您想查看文档,可以访问 Hyperbrowser 文档

核心功能

抓取

Hyperbrowser 提供强大的抓取功能,允许您从任何网页提取数据。该抓取工具可以将网页内容转换为结构化格式(如 markdown 或 HTML),使处理和数据分析变得容易。

爬取

爬取功能使您能够自动导航网站的多个页面。您可以设置参数(如页面限制)来控制爬虫探索站点的程度,收集其访问的每个页面的数据。

提取

Hyperbrowser 的提取功能使用 AI 根据您的定义模式从网页中提取特定信息。这允许您将非结构化的网页内容转换为您确切要求的结构化数据。

概述

集成详情

设置

要访问 Hyperbrowser 网页工具,您需要安装 langchain-hyperbrowser 集成包,并创建 Hyperbrowser 账户获取 API 密钥。

凭据

前往 Hyperbrowser 注册并生成 API 密钥。完成后,设置 HYPERBROWSER_API_KEY 环境变量:

安装

安装 langchain-hyperbrowser

实例化

爬取工具

HyperbrowserCrawlTool 是一个强大的工具,可以从给定 URL 开始爬取整个网站。它支持可配置的页面限制和抓取选项。

抓取工具

HyperbrowserScrapeTool 是一个可以从网页抓取内容的工具。它支持 markdown 和 HTML 输出格式,以及元数据提取。

提取工具

HyperbrowserExtractTool 是一个强大的工具,使用 AI 从网页提取结构化数据。它可以根据预定义的模式提取信息。

调用

基本用法

爬取工具

抓取工具

提取工具

使用自定义选项

带自定义选项的爬取工具

带自定义选项的抓取工具

带自定义模式的提取工具

异步用法

所有工具都支持异步用法:

在智能体中使用

以下是如何在智能体中使用任何网页工具的方法:

配置选项

通用选项

所有工具都支持这些基本配置选项:
  • url: 要处理的 URL
  • session_options: 浏览器会话配置
    • use_proxy: 是否使用代理
    • solve_captchas: 是否自动解决验证码
    • accept_cookies: 是否接受 Cookie

工具特定选项

爬取工具

  • max_pages: 要爬取的最大页数
  • scrape_options: 抓取每个页面的选项
    • formats: 输出格式列表(markdown, html)

抓取工具

  • scrape_options: 抓取页面的选项
    • formats: 输出格式列表(markdown, html)

提取工具

  • schema: 定义要提取结构的 Pydantic 模型
  • extraction_prompt: 用于提取的自然语言提示
更多详细信息,请参阅相应的 API 参考:

API 参考