Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Sonraí a Bhaint as Leathanaigh Ghréasáin

Ceacht 7 as 14 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Scríobadh Bunaithe ar Radharc
  2. Léigh agus Tuairiscigh
  3. Ábhar a Bhaint Lastall den Scáileán
  4. An Cur Chuige Hibrideach: Nascleanúint de réir Radhairc, Eastóscadh tríd an DOM
  5. Struchtúir Neamhchaighdeánacha
  6. Inrianaitheacht an Eastóscadh a Chaomhnú
  7. An Méid Nach dTabharfaidh an Radharc Duit
  8. Príomhphointí

An ceacht nuashonraithe an 3 Samhain, 2026 bunaithe ar threoir Computer Use ó OpenAI: críochnaíonn tasc nuair nach bhfuil aon computer_call sa fhreagra, seachas bheith bunaithe ar an stop_reason ó API Anthropic a úsáideadh sa leagan roimhe seo. Bhí roghnóirí gan comharthaí luachana sa script eastóscána DOM, rud a d’fhág earráid JavaScript; tá sé seo seasta anois. Cuireadh fachtóirí costais a dhoiciméadaigh OpenAI in ionad figiúirí gan fhoinse (tokain in aghaidh an scáileáin ghabhála, fad in aghaidh an leathanaigh). Foinse: Computer Use · Image Cost Calculator.

Scríobadh Bunaithe ar Radharc

Léann eastóscóir clasaiceach HTML: déanann sé turas tríd an DOM, leanann sé ordlathas clibeanna, agus briseann sé an lá a athraíonn an suíomh go dtí rindreáil taobh an chliaint nó a athainmníonn sé a chuid aicmí. Oibríonn Computer Use go difriúil—léann an gníomhaire an scáileán díreach mar a dhéanfadh duine, agus ansin filleann sé ar an méid a thuig sé sa fhormáid a d’iarr tú. Tá tionchar praiticiúil suntasach aige seo: bíonn suíomhanna nach raibh inrochtana roimhe seo ag scríobairí ar fáil anois, ós rud é gurb é an rud a fheiceann an gníomhaire ná díreach an rud a fheiceann an t-úsáideoir.

Léigh agus Tuairiscigh

Baineann an cás is simplí le hiarratas a dhéanamh ar léamh ar ábhar infheicthe agus ar aisghabháil struchtúrtha. Is é an pointe ríthábhachtach ná an formáid aschuir a fhorchur sa leid: gan treoracha, freagraíonn an tsamhail i bprós, rud a chuireann iallach ort téacs saor a pharsáil, rud a mhilleann tairbhe iomlán na hoibríochta.

task = """
Go to https://news.example.com and extract the first 5 article 
headlines visible on the homepage.

Return the result in JSON format:
[
  {"rank": 1, "title": "..."},
  {"rank": 2, "title": "..."},
  ...
]
"""

Feiceann an gníomhaire an scáileán gabhála, aithníonn sé na ceannlínte, agus filleann sé an JSON ina fhreagra téacs deiridh—an ceann a thagann nuair nach bhfuil computer_call sa fhreagra a thuilleadh. Léann tú é seo ó response.output_text.

Ábhar a Bhaint Lastall den Scáileán

Taispeánann portráid 720 picteilín ar airde ach codán de leathanach torthaí. Caithfidh tú, dá bhrí sin, cur síos a dhéanamh ní hamháin ar an méid atá le bailiú, ach ar conas nascleanúint a dhéanamh ar an leathanach agus ar an gcoinníoll stoptha. Mura ndéanann tú é sin, scrollóidh an gníomhaire go dtí go mbeidh do chuid atrialta ídithe, agus fillfidh sé sonraí gearrtha.

task = """
On this search results page:
1. Read all visible results and note them
2. Scroll down to see more results
3. Continue until you have collected 20 results or reached 
   the bottom of the page

For each result, extract:
- Title
- URL
- Short description

Return everything in JSON.
"""

Is iad táblaí an talamh is fabhraí toisc go dtuigeann an tsamhail struchtúir táblacha amhairc láithreach: baineann sí cill lena colún trí ailíniú simplí, cé go gcaithfidh eastóscóir DOM eilimintí <td> a chomhaireamh agus go gcailltear é chomh luath agus a chumascfar cill. Déan cur síos ar na colúin a bhfuiltear ag súil leo, agus líonfaidh sí na sraitheanna.

task = """
Open https://stats.example.com/prices and extract the price table 
displayed on the page.

The table has columns: Product, Price ex-VAT, VAT, Price inc-VAT.
Extract all rows and return in JSON:
{
  "headers": ["Product", "Price ex-VAT", "VAT", "Price inc-VAT"],
  "rows": [
    ["Widget A", "10.00", "20%", "12.00"],
    ...
  ]
}
"""

An Cur Chuige Hibrideach: Nascleanúint de réir Radhairc, Eastóscadh tríd an DOM

Maidir le sonraí íogaire—méideanna, tagairtí táirgí—fanann léamh amhairc garbh. Is é an comhcheangal is láidre ná róil a roinnt de réir neart gach uirlise: déileálann an gníomhaire leis an gcuid atá deacair a scríobh, mar shampla teacht ar an leathanach ceart trí chuardaigh, scagairí, agus dialóga toilithe; glacann Playwright an uair sin thar láimh áit a bhfuil cruinneas ríthábhachtach, ag léamh luachanna go díreach ón DOM.

def extract_with_dom(page, task_description: str):
    """Use Computer Use to navigate, Playwright to extract."""
    # Phase 1: Computer Use navigates and identifies the area
    run_agent(task_description, page=page)
    
    # Phase 2: Playwright extracts precise data
    data = page.evaluate("""
        () => {
            const rows = document.querySelectorAll('table tbody tr');
            return Array.from(rows).map(row => {
                const cells = row.querySelectorAll('td');
                return Array.from(cells).map(c => c.textContent.trim());
            });
        }
    """)
    
    return data

Struchtúir Neamhchaighdeánacha

Cártaí táirgí, próifílí, liostálacha: éalaíonn na leaganacha amach seo ó theimpléid rialta, agus is é seo go díreach áit a nglacann an radharc an ceannas. Ansin, caithfidh an leid gach réimse a bhfuiltear ag súil leis a ainmniú, a chineál a shonrú, agus sampla aschuir iomlán a sholáthar. Mura ndéanann tú é sin, d’fhéadfá “€250,000” a fháil in taifead amháin agus 250000 sa chéad cheann eile, rud a chuirfeadh próiseáil ina dhiaidh sin as a chéile ar an líne chéad.

task = """
On this real estate results page, extract for each listing:
- price (number, in euros)
- area (in m²)
- rooms (integer)
- city
- postal_code
- listing_url

Scroll to load more listings if necessary.
Stop when you have 10 listings or when there are no more.

Strict JSON output format:
{
  "listings": [
    {
      "price": 250000,
      "area": 65,
      "rooms": 3,
      "city": "Paris",
      "postal_code": "75011",
      "listing_url": "https://..."
    }
  ]
}
"""

Inrianaitheacht an Eastóscadh a Chaomhnú

Éiríonn eastóscadh gan meiteashonraí dodhéanta úsáide trí seachtaine ina dhiaidh sin: ní bheidh a fhios agat cá as a tháinig na figiúirí nó cathain a dátaíodh iad, rud a dhéanann comparáid leis an mbailiúchán seo chugainn gan bhrí. Taifead go córasach an fhoinse agus an stampa ama in éineacht leis na sonraí.

import json
from datetime import datetime, timezone

def save_extraction(data: dict, source_url: str):
    """Save extracted data with metadata."""
    now = datetime.now(timezone.utc)
    output = {
        "source": source_url,
        "extracted_at": now.isoformat(),
        "data": data,
    }

    filename = f"extraction_{now:%Y%m%d_%H%M%S}.json"
    with open(filename, "w", encoding="utf-8") as f:
        json.dump(output, f, ensure_ascii=False, indent=2)
    
    print(f"Data saved to {filename}")

An Méid Nach dTabharfaidh an Radharc Duit

Is é cruinneas uimhriúil an chéad teorainn. Is féidir le OCR intuigthe na samhla carachtair chosúla a mheascadh—0 agus O, 1 agus l—rud nach bhfuil tábhachtach maidir le ceannlínte alt ach nach bhfuil inghlactha maidir le IBAN nó tagairt ordaithe: fíoraigh sonraí ríthábhachtach i gcónaí, nó úsáid eastóscadh DOM do na réimsí sin.

Tagann an costas ina dhiaidh sin. Meastar gach scáileán gabhála mar ionchur íomhá, agus braitheann a phraghas ar a mhéid agus ar an tsamhail—soláthraíonn OpenAI áireamhán chun é seo a mheas—agus ceanglaíonn eastóscadh le scrollú go leor casanna le chéile. Ós rud é go n-athbhilleofar stair iomlán an tslabhra mar ionchur ar gach iarratas, fásann costas bailiúcháin fhada níos tapúla ná líon na scáileán gabhála. Dá bhrí sin, tuilltear aon toirt mhór atá le bailiú go laethúil tomhas ar roinnt leathanach fíor sula dtéann tú go dtí an táirgeadh. Leanann an t-am an loighic chéanna: fanann gach cas le freagra ón tsamhail, rud a oireann do phróiseáil thar oíche ach go hannamh d’aghaidh úsáideora atá ag fanacht le freagra.

Príomhphointí

  • Buaileann Computer Use buaicphointe maidir le sonraí a bhaint as leathanaigh atá casta go amhairc
  • Iarr i gcónaí formáid aschuir struchtúrtha (JSON) sa leid
  • Comhcheangail nascleanúint AI le eastóscadh DOM Playwright chun iontaofacht níos airde a bhaint amach
  • Pleanáil scrollú ar leathanaigh fhada
  • Fíoraigh sonraí uimhriúla ríthábhachtach toisc nach bhfuil OCR intuigthe foirfe