langchain_community.utilities.apify.ApifyWrapper

class langchain_community.utilities.apify.ApifyWrapper[source]

基类: BaseModel

Apify 的包装器。要使用，你应安装 apify-client Python 包，并设置环境变量 APIFY_API_TOKEN 为你的 API 密钥，或者通过构造函数将 apify_api_token 作为命名参数传递。

通过从关键字参数解析和验证输入数据来创建一个新的模型。

如果输入数据无法解析成有效的模型对象，则会抛出 ValidationError。

参数apify_api_token: Optional[str] = None
参数apify_client: Any = None
参数apify_client_async: Any = None
asyncacall_actor(actor_id, run_input, dataset_mapping_function, *, build =Optional[str], memory_mbytes = Optional[int], timeout_secs = Optional[int]) → ApifyDatasetLoader

在Apify平台上运行一个Actor并等待结果准备完成。 :param actor_id: Apify平台上的Actor的ID或名称。 :type actor_id: str :param run_input: 要运行的Actor的输入对象。 :type run_input: Dict :param dataset_mapping_function: 一个函数，它接受一个单独的

字典（Apify数据集项）并将其转换为Document类的实例。

参数

  • build (str，可选) – 可选指定要运行的actor构建。它可以是构建标签或构建号。

  • memory_mbytes (int，可选) – 运行的可选内存限制，以兆字节为单位。

  • timeout_secs (int，可选) – 运行的可选超时时间，以秒为单位。

  • actor_id (str) –

  • run_input (Dict) –

  • dataset_mapping_function (Callable) –

返回

一个加载数据库，将从

Actor运行默认数据集中检索记录。

返回类型

ApifyDatasetLoader

async acall_actor_task(task_id: str, task_input: Dict, dataset_mapping_function: Callable[[Dict], Document], *, build: Optional[str], memory_mbytes: Optional[int], timeout_secs: Optional[int] = None) → ApifyDatasetLoader[source]

在Apify上运行已保存的Actor任务并等待结果准备完成。 :param task_id: Apify平台上任务的ID或名称。 :type task_id: str :param task_input: 要运行的任务的输入对象。

覆盖了任务已保存的输入。

参数

  • dataset_mapping_function (Callable) – 一个函数，它接受一个单独的字典（Apify数据集项）并将其转换为Document类的实例。

  • build (str，可选) – 可选指定要运行的actor构建。它可以是构建标签或构建号。

  • memory_mbytes (int，可选) – 运行的可选内存限制，以兆字节为单位。

  • timeout_secs (int，可选) – 运行的可选超时时间，以秒为单位。

  • task_id (str) –

  • task_input (Dict) –

返回

一个加载数据库，将从

任务执行的默认数据集。

返回类型

ApifyDatasetLoader

调用actor(actor_id: str, run_input: Dict, dataset_mapping_function: Callable[[Dict], Document], *, build: Optional[str] = None, memory_mbytes: Optional[int] = None, timeout_secs: Optional[int] = None) → ApifyDatasetLoader[source]

在Apify平台上运行一个Actor并等待结果准备完成。 :param actor_id: Apify平台上的Actor的ID或名称。 :type actor_id: str :param run_input: 要运行的Actor的输入对象。 :type run_input: Dict :param dataset_mapping_function: 一个函数，它接受一个单独的

字典（Apify数据集项）并将其转换为Document类的实例。

参数

  • build (str，可选) – 可选指定要运行的actor构建。它可以是构建标签或构建号。

  • memory_mbytes (int，可选) – 运行的可选内存限制，以兆字节为单位。

  • timeout_secs (int，可选) – 运行的可选超时时间，以秒为单位。

  • actor_id (str) –

  • run_input (Dict) –

  • dataset_mapping_function (Callable) –

返回

一个加载数据库，将从

Actor运行默认数据集中检索记录。

返回类型

ApifyDatasetLoader

call_actor_task(task_id: str, task_input: Dict, dataset_mapping_function: Callable[[Dict], Document], *, build: Optional[str] = None, memory_mbytes: Optional[int] = None, timeout_secs: Optional[int] = None) → ApifyDatasetLoader[源代码]

在Apify上运行已保存的Actor任务并等待结果准备完成。 :param task_id: Apify平台上任务的ID或名称。 :type task_id: str :param task_input: 要运行的任务的输入对象。

覆盖了任务已保存的输入。

参数

  • dataset_mapping_function (Callable) – 一个函数，它接受一个单独的字典（Apify数据集项）并将其转换为Document类的实例。

  • build (str，可选) – 可选指定要运行的actor构建。它可以是构建标签或构建号。

  • memory_mbytes (int，可选) – 运行的可选内存限制，以兆字节为单位。

  • timeout_secs (int，可选) – 运行的可选超时时间，以秒为单位。

  • task_id (str) –

  • task_input (Dict) –

返回

一个加载数据库，将从

任务执行的默认数据集。

返回类型

ApifyDatasetLoader

使用 ApifyWrapper 的示例