langchain_community.document_loaders.chromium
.AsyncChromiumLoader¶
- class langchain_community.document_loaders.chromium.AsyncChromiumLoader(urls: List[str], *, headless: bool = True)[source]¶
使用无头Chromium实例从URL中抓取HTML页面。
用URL路径列表初始化加载器。
- 参数:
urls:要从中提取内容的URL列表。 headless:是否在无头模式下运行浏览器。
- 引发:
ImportError:如果未安装所需的“playwright”包。
Methods
__init__
(urls, *[, headless])用URL路径列表初始化加载器。
从提供的URL异步加载文本内容。
aload
()将数据加载到文档对象中。
ascrape_playwright
(url)使用Playwright的异步API异步地抓取给定URL的内容。
从提供的URL中延迟加载文本内容。
load
()将数据加载到文档对象中。
load_and_split
([text_splitter])加载文档并分割成块。块作为文档返回。
- Parameters
urls (List[str]) –
headless (bool) –
- __init__(urls: List[str], *, headless: bool = True)[source]¶
用URL路径列表初始化加载器。
- 参数:
urls:要从中提取内容的URL列表。 headless:是否在无头模式下运行浏览器。
- 引发:
ImportError:如果未安装所需的“playwright”包。
- Parameters
urls (List[str]) –
headless (bool) –
- async alazy_load() AsyncIterator[Document] [source]¶
从提供的URL异步加载文本内容。
该方法利用asyncio同时启动所有提供的URL的抓取,通过利用并发的异步请求来提高性能。每个文档在其内容可用时被产生,封装了抓取的内容。
- 产生:
Document: 包含抓取内容的Document对象,以及其源URL作为元数据。
- Return type
AsyncIterator[Document]
- async ascrape_playwright(url: str) str [source]¶
使用Playwright的异步API异步地抓取给定URL的内容。
- 参数:
url (str): 要抓取的URL。
- 返回:
str: 抓取的HTML内容或如果发生异常则返回错误消息。
- Parameters
url (str) –
- Return type
str
- lazy_load() Iterator[Document] [source]¶
从提供的URL中延迟加载文本内容。
该方法逐个生成文档,而不是等待所有URL被抓取后再返回。
- 生成:
Document: 封装在Document对象中的抓取内容。
- Return type
Iterator[Document]
- load_and_split(text_splitter: Optional[TextSplitter] = None) List[Document] ¶
加载文档并分割成块。块作为文档返回。
不要覆盖此方法。应该被视为已弃用!
- 参数:
- text_splitter: 用于分割文档的TextSplitter实例。
默认为RecursiveCharacterTextSplitter。
- 返回:
文档列表。
- Parameters
text_splitter (Optional[TextSplitter]) –
- Return type
List[Document]