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()