Web サイトからデータをインポート

このドキュメントは AI によって自動翻訳されています。不正確な部分がある場合は、英語版を参照してください。

Dify のナレッジベースでは、Jina ReaderやFirecrawlを利用してウェブページをスクレイピングし、解析したデータを Markdown の形式でナレッジベースに取り込むことができます。

Info

Jina Reader や Firecrawl は、オープンソースのウェブページ解析ツールです。ウェブページをクリーンで大規模言語モデル（LLM）が扱いやすい Markdown 形式のテキストに変換します。また、使いやすい API サービスも提供しています。

Firecrawl#

右上隅にあるアバターをクリックし、DataSource ページで Firecrawl の認証情報を設定する必要があります。

Firecrawl 公式サイトにログインして登録を完了し、API キーを取得してから入力し、保存します。

ナレッジベース作成のページで Sync from website を選択し、スクレイピングの対象どしてのウェブページの URL を入力します。

設定項目には、サブページのスクレイピング、スクレイピングするページの上限、ページのスクレイピング深度、ページの除外、指定ページのみのスクレイピング、コンテンツの抽出などが含まれます。設定が完了したら Run をクリックし、解析結果のページをプレビューします。

解析されたテキストをナレッジベースのドキュメントにインポートし、結果を確認します。Add URL をクリックすると、新しいウェブページをさらにインポートできます。

右上隅にあるアバターをクリックし、DataSource ページで Jina Reader の認証情報を設定する必要があります。

Jina Reader の公式サイトにログインして登録を完了し、API キーを取得してから入力し、保存します。

ナレッジベース作成のページで Sync from website を選択し、スクレイピングの対象どしてのウェブページの URL を入力します。

設定項目には、サブページをクロールするかどうか、クロールされるページ数の上限、サイトマップのクロールを使用するかどうかなどがあります。設定が完了したら Run をクリックし、解析結果のページをプレビューします。

クロールが完了すると、Web ページのコンテンツがナレッジベースに組み込まれます。