dexblog.ro
Acces rapid: Învață AI Învață Programare Specificații Dispozitive Comparații
LLAMA Toate componentele LlamaIndex & Data RAG

Web Readers: SimpleWebPageReader, BeautifulSoup și Trafilatura în LlamaIndex & Data RAG

Ingestie, Parsare & Indexare llama-index-readers-web Q&A AI / Distribuie cod
Sintaxă & invocare Python 
docs = SimpleWebPageReader(html_to_text=True).load_data(['https://dexblog.ro'])

LlamaIndex oferă conectori specializați pentru extragerea conținutului de pe pagini web publice: SimpleWebPageReader (rapid, bazat pe requests), BeautifulSoupWebReader (filtrare fină pe selectoare CSS) și TrafilaturaWebReader (eliminarea reclamelor și a meniurilor laterale).

from llama_index.readers.web import SimpleWebPageReader

urls = ["https://dexblog.ro/invata/python/", "https://dexblog.ro/invata/fastapi/"]
documents = SimpleWebPageReader(html_to_text=True).load_data(urls)
index = VectorStoreIndex.from_documents(documents)

Text pur: Extrage corpul principal al articolului fără poluarea cu elemente de navigare sau subsoluri.

Învață AI • Comunitate & Q&A

Întrebări & Exemple practice: Web Readers: SimpleWebPageReader, BeautifulSoup și Trafilatura

Ai o întrebare despre Web Readers: SimpleWebPageReader, BeautifulSoup și Trafilatura 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.

Comunitate AI Adaugă o întrebare sau distribuie un cod / prompt

Moderare & Siguranță:

Pentru a menține calitatea și securitatea informațiilor, fiecare întrebare sau fragment de cod/prompt este analizat (manual sau prin moderare asistată de AI) înainte de publicare.