extract() 通过结构化模式从当前页面抓取结构化文本。根据指令和 schema，您将获得结构化数据。
TypeScript 版本使用 zod 模式定义提取结构。Python 版本使用 pydantic 模型定义提取结构。
提取单个对象
以下是针对单个对象的 extract 调用示例：
const item = await page.extract({
instruction: "extract the price of the item",
schema: z.object({
price: z.number(),
}),
});
提取链接
在 TypeScript 版本的 Stagehand 中提取链接或 URL 时，需将相关字段定义为 z.string().url()。
Python 版本中需定义为 HttpUrl。
extract 调用示例。
const extraction = await page.extract({
instruction: "extract the link to the 'contact us' page",
schema: z.object({
link: z.string().url(), // note the usage of z.string().url() here
}),
});
console.log("the link to the contact us page is: ", extraction.link);
提取对象列表
以下是针对对象列表的 extract 调用示例。
const apartments = await page.extract({
instruction:
"Extract ALL the apartment listings and their details, including address, price, and square feet."
schema: z.object({
list_of_apartments: z.array(
z.object({
address: z.string(),
price: z.string(),
square_feet: z.string(),
}),
),
})
})
console.log("the apartment list is: ", apartments);
list_of_apartments: [
{
address: "street address here",
price: "$1234.00",
square_feet: "700"
},
{
address: "another address here",
price: "1010.00",
square_feet: "500"
},
.
.
.
]
带附加上下文的提取
您可以为模式提供附加上下文，以帮助模型更准确地提取数据。
const apartments = await page.extract({
instruction:
"Extract ALL the apartment listings and their details, including address, price, and square feet."
schema: z.object({
list_of_apartments: z.array(
z.object({
address: z.string().describe("the address of the apartment"),
price: z.string().describe("the price of the apartment"),
square_feet: z.string().describe("the square footage of the apartment"),
}),
),
})
})
当提取内容位于iframe内时，需设置iframes: true
用于缩小提取范围的xpath表达式。传入xpath后，extract将仅处理该xpath指向的HTML元素内容。有助于减少输入token数量并提高提取准确性
schema定义的结构化数据
