گردش کار n8n: خراشیدن وب با هوش مصنوعی و ذخیره در Google Sh…

خراشیدن وب با هوش مصنوعی با استفاده از Jina، Google Sheets و OpenAI

این گردش کار روشی کارآمد برای خراشیدن داده‌های کتاب از یک وب‌سایت، استخراج اطلاعات کلیدی با استفاده از هوش مصنوعی و سازماندهی آن در یک صفحه گسترده Google Sheets را نشان می‌دهد. این برای کاربرانی طراحی شده است که نیاز به جمع‌آوری و ساختاردهی داده‌های محصول آنلاین بدون دخالت دستی دارند.

این گردش کار و موارد دیگر را در کاتالوگ n8n در Axeto.ai کاوش کنید.

نمای کلی گردش کار

این گردش کار فرآیند زیر را خودکار می‌کند:

1. شروع خراشیدن: یک ماشه دستی فرآیند را آغاز می‌کند.

2. دریافت محتوای وب: سرویس Jina AI یک صفحه وب مشخص شده را خراش می‌دهد و محتوای آن را در قالبی بهینه شده برای پردازش هوش مصنوعی برمی‌گرداند.

3. استخراج داده‌های ساختاریافته: یک مدل هوش مصنوعی (Claude AI از طریق ادغام مدل چت OpenAI) متن خراشیده شده را با استفاده از یک طرحواره JSON تعریف شده تجزیه می‌کند تا جزئیات خاص کتاب را استخراج کند.

4. پردازش ورودی‌های فردی: داده‌های استخراج شده که آرایه‌ای از اشیاء کتاب است، به موارد جداگانه تقسیم می‌شود.

5. ذخیره داده‌ها: جزئیات هر کتاب به عنوان یک ردیف جدید به یک صفحه گسترده Google Sheets اضافه می‌شود.

جزئیات نودها

این گردش کار از نودهای زیر استفاده می‌کند:

• Manual Trigger (n8n-nodes-base.manualTrigger): اجرای گردش کار را به صورت دستی آغاز می‌کند.
• HTTP Request (n8n-nodes-base.httpRequest): محتوا را از یک صفحه وب از طریق سرویس خراشیدن Jina AI دریافت می‌کند.
• LangChain OpenAI Chat Model (@n8n/n8n-nodes-langchain.lmChatOpenAi): به عنوان بک‌اند هوش مصنوعی برای استخراج اطلاعات عمل می‌کند.
• LangChain Information Extractor (@n8n/n8n-nodes-langchain.informationExtractor): متن خراشیده شده را برای استخراج داده‌های ساختاریافته بر اساس طرحواره JSON تجزیه می‌کند.
• Split Out (n8n-nodes-base.splitOut): آرایه‌ای از داده‌ها را برای پردازش جداگانه به موارد فردی تقسیم می‌کند.
• Google Sheets (n8n-nodes-base.googleSheets): داده‌های استخراج شده را به عنوان ردیف در یک سند Google Sheets اضافه می‌کند.
• Sticky Note (n8n-nodes-base.stickyNote): مستندات، پیوند به آموزش‌ها و منابع نمونه را ارائه می‌دهد.

---

۱. شروع گردش کار

• نود: Manual Trigger
• نوع: n8n-nodes-base.manualTrigger
• نقش: گردش کار را هنگام کلیک بر روی دکمه "Test workflow" آغاز می‌کند.
• پیکربندی: تنظیمات پیش‌فرض، نیازی به پارامتر نیست.
• ورودی/خروجی: ورودی ندارد؛ یک رویداد ماشه به نود بعدی خروجی می‌دهد.

---

۲. خراشیدن وب با Jina AI

• نود: Jina Fetch
• نوع: n8n-nodes-base.httpRequest
• نقش: یک درخواست HTTP GET به API خراشیدن Jina AI برای بازیابی محتوای یک صفحه وب هدف ارسال می‌کند.
• پیکربندی:

* URL: https://r.jina.ai/http://books.toscrape.com/catalogue/category/books/historical-fiction_4/index.html

* این URL به Jina AI دستور می‌دهد تا صفحه دسته کتاب مشخص شده را خراش دهد.

* Authentication: HTTP Header Auth. نیاز به کلید API Jina AI دارد که به عنوان یک هدر پیکربندی شده است.

* Options: "Allow Unauthorized Certificates" فعال است که می‌تواند برای توسعه مفید باشد.