Clasa WebBaseLoader descarcă paginile HTML de la URL-urile specificate și folosește biblioteca BeautifulSoup pentru a extrage textul curat din pagină, eliminând tagurile de script și stiluri CSS.
Exemplu de citire web
from langchain_community.document_loaders import WebBaseLoader
loader = WebBaseLoader("https://docs.python.org/3/tutorial/index.html")
documente = loader.load()
print("Titlu pagină:", documente[0].metadata["title"])
print("Text extras:", documente[0].page_content[:300])Poate fi configurat cu headere HTTP personalizate pentru autentificare sau navigare prin proxy.
Întrebări & Exemple practice:
WebBaseLoader: Scraping și Ingestie din Pagini WebAi o întrebare despre WebBaseLoader: Scraping și Ingestie din Pagini Web sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.