企业官网建设流程全解析

数据解析是网络爬虫的核心技能，若尚未熟练掌握网页数据解析库，可尝试借助大语言模型直接提取文本信息。

本文将结合PgsFile库与Gemini-2.0大模型，探索网络爬虫新技术。

探索PgsFile更多网络爬虫知识与Python实战技能，欢迎关注“树下编程”，让我们一同成长。

*1. 安装PgsFile*

首次使用PgsFile（含未更新至0.3.9版），安装/更新命令：

In [3]: pip install --upgrade pgsfile

*2. LLM网页信息提取*

下文通过采集专用于爬虫练习的网站Quotes to Scrape(https://quotes.toscrape.com/page/5/) 第5页（图1）中的名言文本、作者信息（含姓名、访问链接）及分类标签数据，展示Gemini-2.0大语言模型在网络爬虫中的巧妙应用。

图1. Quotes to Scrape名言第5页

本文使用PgsFile库中的get_data_html_online函数结合Gemini-2.0大模型提示语来完成这一任务。

# -*- coding: utf-8 -*-"""Created on Sun Jun 15 22:27:07 2025@author: Petercusin"""from google import genaifrom PgsFile import get_env_variable as gvclient = genai.Client(api_key=gv("Gemini-2.0_API"))from PgsFile import get_data_html_online as gourl ="https://quotes.toscrape.com/page/5/"page_content = go(url)[1]SYSTEM_PROMPT =f"""You are a text extraction expert. Extract quotes, their authors, author urls, and tags from the following webpage content without making any changes:{page_content}Return the extracted information as a JSON object."""response = client.models.generate_content( model="gemini-2.0-flash", contents=[SYSTEM_PROMPT])print(response.text)print("Complete!")

输出：

In[31]:%runfile 'D:/Studies/py/LLMs爬虫实战.py'--wdir200```json[{"quote":"“A reader lives a thousand lives before he dies, said Jojen. The man who never reads lives only one.”","author":"George R.R. Martin","author_url":"/author/George-R-R-Martin","tags":["read","readers","reading","reading-books"]},{"quote":"“You can never get a cup of tea large enough or a book long enough to suit me.”","author":"C.S. Lewis","author_url":"/author/C-S-Lewis","tags":["books","inspirational","reading","tea"]},{"quote":"“You believe lies so you eventually learn to trust no one but yourself.”","author":"Marilyn Monroe","author_url":"/author/Marilyn-Monroe","tags":[]},{"quote":"“If you can make a woman laugh, you can make her do anything.”","author":"Marilyn Monroe","author_url":"/author/Marilyn-Monroe","tags":["girls","love"]},{"quote":"“Life is like riding a bicycle. To keep your balance, you must keep moving.”","author":"Albert Einstein","author_url":"/author/Albert-Einstein","tags":["life","simile"]},{"quote":"“The real lover is the man who can thrill you by kissing your forehead or smiling into your eyes or just staring into space.”","author":"Marilyn Monroe","author_url":"/author/Marilyn-Monroe","tags":["love"]},{"quote":"“A wise girl kisses but doesn't love, listens but doesn't believe, and leaves before she is left.”","author":"Marilyn Monroe","author_url":"/author/Marilyn-Monroe","tags":["attributed-no-source"]},{"quote":"“Only in the darkness can you see the stars.”","author":"Martin Luther King Jr.","author_url":"/author/Martin-Luther-King-Jr","tags":["hope","inspirational"]},{"quote":"“It matters not what someone is born, but what they grow to be.”","author":"J.K. Rowling","author_url":"/author/J-K-Rowling","tags":["dumbledore"]},{"quote":"“Love does not begin and end the way we seem to think it does. Love is a battle, love is a war; love is a growing up.”","author":"James Baldwin","author_url":"/author/James-Baldwin","tags":["love"]}]Complete!

*这意味着，若不擅长使用XPath等网页解析工具（XPath子元素内容爬取：Quotes to Scrape实战），借助大模型我们也能轻松解析提取所需文本内容，快来体验分享你的爬虫心得吧！*

如何学习AI 大模型？（文末获取）

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive
RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构 进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、
MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam
Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目 实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

领取方式我会放在下面，希望领取了的朋友不要忘了（下方名片，放心添加）