Airbyte Hubspot（已弃用）

注意：AirbyteHubspotLoader已弃用。请改用AirbyteLoader。

Airbyte是一个用于从API、数据库和文件到数据仓库和数据湖的ELT管道的数据集成平台。它拥有最大的ELT连接器目录，支持数据仓库和数据库。

此加载器将Hubspot连接器作为文档加载器暴露，允许您将各种Hubspot对象加载为文档。

安装

首先，您需要安装 airbyte-source-hubspot Python 包。

%pip install --upgrade --quiet  airbyte-source-hubspot

示例

查看 Airbyte 文档页面 以获取有关如何配置读取器的详细信息。 配置对象应遵循的 JSON 架构可以在 Github 上找到：https://github.com/airbytehq/airbyte/blob/master/airbyte-integrations/connectors/source-hubspot/source_hubspot/spec.yaml。

一般结构如下：

{
  "start_date": "<date from which to start retrieving records from in ISO format, e.g. 2020-10-20T00:00:00Z>",
  "credentials": {
    "credentials_title": "Private App Credentials",
    "access_token": "<access token of your private app>"
  }
}

默认情况下，所有字段都作为元数据存储在文档中，文本设置为空字符串。通过转换读取器返回的文档来构建文档的文本。

from langchain_community.document_loaders.airbyte import AirbyteHubspotLoader

config = {
    # your hubspot configuration
}

loader = AirbyteHubspotLoader(
    config=config, stream_name="products"
)  # check the documentation linked above for a list of all streams

现在您可以像往常一样加载文档

docs = loader.load()

由于 load 返回一个列表，它会阻塞直到所有文档加载完成。为了更好地控制此过程，您还可以使用 lazy_load 方法，该方法返回一个迭代器：

docs_iterator = loader.lazy_load()

请记住，默认情况下页面内容为空，元数据对象包含记录中的所有信息。要处理文档，请创建一个继承自基本加载器的类，并自行实现 _handle_records 方法：

from langchain_core.documents import Document


def handle_record(record, id):
    return Document(page_content=record.data["title"], metadata=record.data)


loader = AirbyteHubspotLoader(
    config=config, record_handler=handle_record, stream_name="products"
)
docs = loader.load()

增量加载

某些数据流允许增量加载，这意味着源会跟踪已同步的记录，并且不会再次加载它们。这对于数据量大且更新频繁的源非常有用。

为了利用这一点，请存储加载器的 last_state 属性，并在重新创建加载器时传入它。这将确保仅加载新记录。

last_state = loader.last_state  # store safely

incremental_loader = AirbyteHubspotLoader(
    config=config, stream_name="products", state=last_state
)

new_docs = incremental_loader.load()

相关

• 文档加载器 概念指南
• 文档加载器 操作指南