Skip to content
LangChain

Agent web scraping z LangChain

Zbuduj inteligentnego agenta web scraping, który pobiera strony, wyodrębnia strukturalne dane i obsługuje paginację — z LangChain.

web scrapingdata extractionHTTPparsing

Działający kod

LangChain
from langchain_openai import ChatOpenAI
from langchain_core.tools import tool
@tool
def fetch_url(url: str) -> str:
"""Fetch a webpage and return its content as markdown."""
import httpx
from markdownify import markdownify
response = httpx.get(url, headers={"User-Agent": "Mozilla/5.0"}, timeout=15)
return markdownify(response.text)[:5000]
@tool
def extract_data(text: str, instruction: str) -> str:
"""Extract structured data from text based on instruction."""
# Uses the LLM itself to parse — no regex needed
return f"Extracting from {len(text)} chars: {instruction}"
model = ChatOpenAI(model="gpt-4o")
model_with_tools = model.bind_tools([fetch_url, extract_data])
response = model_with_tools.invoke([
("system", "You are a web scraping agent. Fetch pages, extract the requested data, and return it in structured format. Respect robots.txt."),
("user", "Scrape the pricing page at example.com/pricing and extract all plan names and prices"),
])

Krok po kroku

1

Zainstaluj zależności

Zainstaluj LangChain i wymagane narzędzia do tego przypadku użycia.

2

Zdefiniuj narzędzia

Stwórz specyficzne dla domeny funkcje narzędzi, których agent będzie używał do interakcji z zewnętrznymi serwisami.

3

Stwórz agenta i uruchom

Zainicjalizuj agenta LangChain z narzędziami, ustaw prompt systemowy i wykonaj zapytanie.

Gotowy do budowania z LangChain?

Wygeneruj gotowy do produkcji projekt z LangChain — FastAPI + Next.js, autoryzacja, streaming i więcej.

Rozpocznij

Gotowy, żeby zbudować swojego pierwszego agenta AI?

Open-source'owe narzędzia, sprawdzone wzorce, zero boilerplate'u. Skonfiguruj swój stos i wyślij w minuty — nie miesiące.