当前位置：首页 > news >正文

5款可用于LLMs的爬虫工具/方案

news 2025/9/6 10:45:33

5款可用于LLMs的爬虫工具/方案

Crawl4AI
功能: 提取语义标记的数据块为JSON格式，提供干净的HTML和Markdown文件。
用途: 适用于RAG（检索增强生成）、微调以及AI聊天机器人的开发。
特点: 高效数据提取，支持LLM格式，多URL支持，易于集成和Docker容器化。
GitHub: https://github.com/unclecode/crawl4ai
FireCrawl
功能: 抓取网站的所有可访问子页面，并转换内容为干净的Markdown格式。
特点: 适用于JavaScript动态生成的内容网站，提供易用的API。
GitHub: https://github.com/mendableai/firecrawl
Scrapegraph-ai
功能: 使用LLM和直接图形逻辑创建网站和本地文档的抓取流程。
特点: 自动执行数据抓取任务，用户只需指定信息类型。
GitHub: https://github.com/VinciGit00/Scrapegraph-ai
Markdowner
功能: 将网站快速转换为Markdown数据。
特点: 支持自动爬虫、详细模式、JavaScript网站等，易于扩展和自托管。
GitHub: https://github.com/dhravya/markdowner
Jina Reader
功能：将任何URL转化为LLM所需的Markdown格式
特点：可以针对这些内容集成不同的模型，支持API
GitHub：https://github.com/jina-ai/reader

5款可用于LLMs的爬虫工具/方案

5款可用于LLMs的爬虫工具/方案 Crawl4AI 功能: 提取语义标记的数据块为JSON格式，提供干净的HTML和Markdown文件。用途: 适用于RAG（检索增强生成）、微调以及AI聊天机器人的开发。特点: 高效数据提取，支持LLM格式，多U…...

编程日记 2024/5/12 17:12:50

投影、选择转SQL语言

使用以下两个表进行举例，第一个表为R表，第二个表为S表 R.AR.BR.C123456789 S.AS.BS.C101112131415161718 1、投影转SQL语言： 兀 A,B,C (R) 等价于select A,B,C from R 解释： 兀：相当于select (R):相当于from R…...

编程日记 2024/5/12 17:10:48

系统加固-自用

一、windows 1、概述 (1)、权限最高：system(系统账户)，权限比administrator权限还高 (2)、常见操作系统安全漏洞类型缓冲区溢出漏洞TCP/IP协议漏洞web应用安全漏洞开放端口的安全漏洞 2、系统安全加固方法 (1)、系统不显示上次登录的用户名进入…...

编程日记 2024/5/12 17:09:47

Java面试题：阐述Java中的自动装箱与拆箱机制，以及使用它们时可能遇到的性能问题

在Java中，自动装箱（Autoboxing）和拆箱（Unboxing）是Java 5引入的特性，它们允许基本数据类型和对应的包装类之间的自动转换。自动装箱自动装箱是指将基本数据类型（如int、double等&#xff09…...

编程日记 2024/5/12 17:08:45

初识sql注入--手工注入

目录可能使用的sql函数入侵网站方式 1、文件上传漏洞 2、rce 3、sql注入 SQL注入什么是sql注入进行SQL注入实验环境开始实验（使用information_shema数据库） 1、进入靶场 2、报列数下面来解释一下为什么要照上面SQL语句写 url编码单…...

编程日记 2024/5/12 17:06:42

OceanBase 缺少 dbms_obfuscation_toolkit.md5 包函数的解决方案

因为 dbms_obfuscation_toolkit.md5 是一个 Oracle 不推荐继续使用的函数，所以 OceanBase 没有对其兼容，取而代之的是兼容了 dbms_crypto.hash，其用法详见这篇 KB 但是，并不是所有业务都接受修改源码，因为复杂系统里&…...

编程日记 2024/5/12 17:05:41

Java---类和对象第一节

目录 1.面向对象初步认识 1.1什么是面向对象 1.2面向对象和面向过程的区别 2.类的定义和使用 2.1简单认识类 2.2类的定义格式 2.3类的实例化 2.4类和对象的说明 3.this关键字 3.1访问本类成员变量 3.2调用构造方法初始化成员变量 3.3this引用的特性 4.对象的构造以…...

编程日记 2024/5/12 17:04:36

Zeller公式的应用：给定日期，确定周几

开篇本篇文章依然是对于日期相关函数的实现。问题概要给定一个日期，返回为周几思路分析这个问题的思路只是对于Zeller公式的直接引用，不存在其他逻辑。公式详情可参考Zeller公式百科代码实现 #include <stdio.h>// 根据Zeller公式计算 int …...

编程日记 2024/5/12 17:02:35

程序链接和运行 - 笔记

1 linux下程序a连接b.so后，运行时如何找到调用的函数在Linux下，当程序A连接了动态链接库B（.so文件）后，在运行时，程序A会使用动态链接器（dynamic linker）来解析并加载动态链接库B中的函数。动态链接器会在系统中搜索动态链接库，并将它们加载到程序的地址空间中。当…...

编程日记 2024/5/12 17:00:31

pyqt 按钮常用格式Qss设置

pyqt 按钮常用格式Qss设置 QSS介绍按钮常用的QSS设置效果代码 QSS介绍 Qt Style Sheets (QSS) 是 Qt 框架中用于定制应用程序界面样式的一种语言。它类似于网页开发中的 CSS（Cascading Style Sheets），但专门为 Qt 应用程序设计。使用 QSS&am…...

编程日记 2024/5/12 16:59:30

websevere服务器从零搭建到上线（一）｜阻塞、非阻塞、同步、异步

文章目录数据准备(阻塞和非阻塞)、数据读写(同步和异步)小总结（陈硕老师的总结） 知识拓展同步执行实例异步编程实例八股数据准备(阻塞和非阻塞)、数据读写(同步和异步) 无论是什么样的IO都包含两个阶段：数据准备和数据读写。我们的网络IO…...

编程日记 2024/5/12 16:58:29

【C++】引用传递常量引用

在C中，引用传递和常量引用是两个常用的概念，主要用于函数参数传递。它们提供了对变量或对象更有效率和更安全的访问方式。引用传递（Pass by Reference） 引用传递意味着当你将变量作为参数传递给函数时，你实际上是传…...

编程日记 2024/5/12 16:57:28

Docker停止不了

报错信息意思是，docker.socket可能也会把docker服务启动起来解决检查服务状态 systemctl status dockersystemctl is-enabled docker停止docker.socket systemctl stop docker.socket停止docker systemctl stop docker知识扩展安装了docker后，…...

编程日记 2024/5/12 16:56:27

【网络】为什么TCP需要四次挥手？

在网络通信中，TCP（传输控制协议）是一种可靠的、面向连接的协议，它在数据传输过程中保证了数据的可靠性和顺序性。而TCP的连接建立过程只需要三次握手，但是TCP的挥手过程却需要四次挥手，这是为什么呢&#x…...

编程日记 2024/5/12 16:55:25

2024自动化测试市场分析

大家都说2024年软件测试讲会卷的更厉害,从原来的功能测试到现在自动化测试,那么2024年是否可以学习自动化冲一把,我们先看一下2023年自动化测试在测试行业中的分析: 1.市场需求增长： 随着技术的进步和企业对软件质量的要求日益提高，自动化测试在测试行…...

编程日记 2024/5/12 16:53:23

什么是机器视觉应用解决方案？

机器视觉应用解决方案通常指的是利用视觉系统自动检测、处理和分析图像的技术方案，以便执行各种工业或研究任务，如质量控制、自动检测、导航和识别等。在LabVIEW环境中，这些解决方案通常涉及到硬件和软件的紧密集成，以实现高效的数…...

编程日记 2024/5/12 16:51:21

使用 scrapyd 部署 scrapy

1.scrapyd 是什么？ Scrapyd 是一个用于部署和运行 Scrapy 爬虫项目的服务器应用程序。它使得你可以通过 HTTP 命令来部署、管理和执行多个 Scrapy 爬虫，非常适合持续集成和生产环境中的爬虫部署。 2.安装scrapyd 并使用 2.1 安装 scrapyd F:\scrapydTes…...

编程日记 2024/5/12 16:50:20

from tkinter import * import random class App: def __init__(self, master): self.master master self.initwidgets() #表达式的值 self.expr None def initwidgets(self): #定义一个输入组件 self.show Label(relief SUNKEN, font (Courier New, 24), width 25, bg …...

编程日记 2024/5/12 16:49:18

图像分割各种算子算法-可直接使用（Canny、Roberts、Sobel）

Canny算子： import numpy as np import cv2 as cv from matplotlib import pyplot as pltimg cv.imread("../test_1_1.png") edges cv.Canny(img, 100, 200)plt.subplot(121),plt.imshow(img,cmap gray) plt.title(Original Image), plt.xticks([]), …...

编程日记 2024/5/12 16:48:17

Spring Boot进阶 - 实现自动装配原理

Spring Boot的自动装配（Auto-Configuration）是其核心特性之一，它极大地简化了Spring应用的配置过程。自动装配的原理基于Spring框架的Configuration、ConditionalOnClass、ConditionalOnMissingBean等注解，以及Spring Boot提供的s…...

编程日记 2024/5/12 16:47:16

web vue 项目 Docker化部署

Web 项目 Docker 化部署详细教程目录 Web 项目 Docker 化部署概述Dockerfile 详解构建阶段生产阶段构建和运行 Docker 镜像 1. Web 项目 Docker 化部署概述 Docker 化部署的主要步骤分为以下几个阶段： 构建阶段（Build Stage）&#xff1a…...

编程新知 2025/8/12 16:28:43

突破不可导策略的训练难题：零阶优化与强化学习的深度嵌合

强化学习（Reinforcement Learning, RL）是工业领域智能控制的重要方法。它的基本原理是将最优控制问题建模为马尔可夫决策过程，然后使用强化学习的Actor-Critic机制（中文译作“知行互动”机制），逐步迭代求解…...

编程新知 2025/9/4 5:04:54

【Redis技术进阶之路】「原理分析系列开篇」分析客户端和服务端网络诵信交互实现（服务端执行命令请求的过程 - 初始化服务器）

服务端执行命令请求的过程【专栏简介】【技术大纲】【专栏目标】【目标人群】1. Redis爱好者与社区成员2. 后端开发和系统架构师3. 计算机专业的本科生及研究生初始化服务器1. 初始化服务器状态结构初始化RedisServer变量 2. 加载相关系统配置和用户配置参数定制化配置参数案…...

编程新知 2025/8/31 3:57:48

高频面试之3Zookeeper

高频面试之3Zookeeper 文章目录高频面试之3Zookeeper3.1 常用命令3.2 选举机制3.3 Zookeeper符合法则中哪两个？3.4 Zookeeper脑裂3.5 Zookeeper用来干嘛了 3.1 常用命令 ls、get、create、delete、deleteall3.2 选举机制半数机制（过半机制&#xff0…...

编程新知 2025/8/24 3:44:59

如何理解 IP 数据报中的 TTL？

目录前言理解前言面试灵魂一问：说说对 IP 数据报中 TTL 的理解？我们都知道，IP 数据报由首部和数据两部分组成，首部又分为两部分：固定部分和可变部分，共占 20 字节，而即将讨论的 TTL 就位于首…...

编程新知 2025/9/4 7:27:36

SiFli 52把Imagie图片，Font字体资源放在指定位置，编译成指定img.bin和font.bin的问题

分区配置 (ptab.json) img 属性介绍： img 属性指定分区存放的 image 名称，指定的 image 名称必须是当前工程生成的 binary 。如果 binary 有多个文件，则以 proj_name:binary_name 格式指定文件名， proj_name 为工程名&…...

编程新知 2025/9/2 21:29:46