【亲测免费】 GPT-Crawler项目使用指南

GPT-Crawler 是一个通过爬取网站生成知识文件的工具，以便创建一个定制的 GPT 从一个或多个URL。该项目主要使用 Node.js 编程语言开发。

基础介绍和主要编程语言

GPT-Crawler 项目允许用户从指定的网站爬取数据并生成相应的知识文件，这些知识文件可以用来训练一个定制版本的 GPT 模型。该项目的主要编程语言是 JavaScript，运行在 Node.js 环境中。

新手使用指南

1. 如何运行项目

问题描述：新手可能会遇到不知道如何开始运行 GPT-Crawler 的问题。

解决步骤：

1. 克隆仓库到本地环境：

   git clone ***
   

2. 确保你的计算机安装了 Node.js 版本 16 或以上。
3. 在项目根目录下运行 npm i 安装项目依赖。
4. 配置爬虫。打开 config.ts 文件，根据需要修改 url 和 selector 等属性。
5. 运行爬虫：

   npm run start
   

6. 查看输出文件，该文件包含了爬取的数据。

2. 如何使用 Docker 运行

问题描述：新手可能会不熟悉如何使用 Docker 来运行项目。

解决步骤：

1. 如果已经安装 Docker，运行 docker-compose up 命令启动服务。
2. 如果没有 Docker，需要先下载并安装 Docker。
3. 在项目根目录运行以下命令构建 Docker 镜像：

   docker build -t gpt-crawler .
   

4. 运行容器：

   docker run --name gpt-crawler -v /path/to/local/folder:/output gpt-crawler
   

   其中 /path/to/local/folder 是你希望存储输出文件的本地文件夹路径。

3. 如何配置爬虫

问题描述：新手可能不知道如何配置爬虫以适应特定的爬取需求。

解决步骤：

1. 找到 config.ts 文件，并根据需要修改配置项。如需爬取的起始 URL、匹配模式、选择器等。
2. 对于 url，请输入需要爬取的起始页面。
3. 对于 match，输入正则表达式，用于匹配页面中需要爬取的链接。
4. 对于 selector，使用 CSS 选择器定位页面上的数据内容。
5. 可以设置 maxPagesToCrawl 控制最大爬取页面数，以防止无限制的爬取。
6. 设置 outputFileName 来定义输出文件的名字。
7. 完成配置后，启动爬虫并检查输出文件是否正确反映了预期的数据。

通过遵循上述步骤，新手用户可以有效地设置并运行 GPT-Crawler 项目，生成用于创建自定义 GPT 模型的知识文件。