2729 位用户此时在线
- 本站自动实时分享网络热点
- 24小时实时更新
- 所有言论不代表本站态度
- 欢迎对信息踊跃评论评分
- 评分越高，信息越新，排列越靠前
一篇超级精彩的关于怎样构建一个通用的AI web 爬虫的文章：
文章写的特别好，从思路到几种解决方案，到调优，到最终的结果分析，是我最近看到的干货满满的文章，也怪不得原贴已经有 1K+ 的 likes。
简单说一下我理解的思路：
使用的工具：
*…
IT技术
(
timconnors.co
)
一篇超级精彩的关于怎样构建一个通用的AI web 爬虫的文章：
https://t.co/w0tntxxkJo
文章写的特别好，从思路到几种解决方案，到调优，到最终的结果分析，是我最近看到的干货满满的文章，也怪不得原贴已经有 1K+ 的 likes。
简单说一下我理解的思路：
使用的工具：
* 我之前介绍过的爬虫工具：Crawlee https://t.co/3DQWuHZSO7
* OpenAI API
过程：
HTML + Text Search + Text Model
整个过程非常模拟人为的操作过程
1 先爬取整个 HTML
2 然后让 AI 生成一组相关的词汇，比如要找价格，那么AI 会生成一系列的词汇（pricing, fee, cost, prices ....）
3 根据这些词汇，搜索 HTML 结构，找到相关节点列表
4 使用 OpenAI 分析节点列表，找到最相关的节点
5 使用 AI 判断是否需要和这个节点交互（一般是点击操作）
6 循环这个过程，直到找到最终的结果
文章中还有非常多细节，务必要自己看看。
他最后举例演示了整个爬取过程，在文章的最下面，一步步的运行，非常精彩：
他给了系统美国的维基百科页面（150万个字符），然后问到：“I want to know total land area of the Mojave Desert.”
系统最后成功找到 Mojave Desert 的 Link，然后进行点击，最终再次找到了结果。
点击图片查看原图