> For the complete documentation index, see [llms.txt](https://developers.oxylabs.io/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://developers.oxylabs.io/integrations/es/integraciones-de-web-scraper-api/langchain.md). # LangChain El **LangChain** integración con la [**Oxylabs Web Scraper API**](https://oxylabs.io/products/scraper-api/web) te permite recopilar y procesar datos web a través de un LLM (Large Language Model) en el mismo flujo de trabajo. ## Descripción general **LangChain** es un framework para construir aplicaciones que usan LLMs junto con herramientas, APIs y datos web. Es compatible con Python y JavaScript. Úsalo con [**Oxylabs Web Scraper API** ](http://developers.oxylabs.io/scraper-apis/web-scraper-api?_gl=1*1ljhay3*_gcl_aw*R0NMLjE3NDYxODM0ODcuQ2owS0NRancydEhBQmhDaUFSSXNBTlp6RFdvSXlSNVg3blQtd0ZEakxHOUlvdUhyQmtoRTRCeUNwc054dFJVMmh0Z3dZTTR3Nm90SjVKOGFBbHhhRUFMd193Y0I.*_gcl_au*MjU4NDEzMTkwLjE3NDExNzU2MzI.)para: * Extraer datos estructurados sin gestionar CAPTCHAs, bloqueos de IP o renderizado JS * Procesar resultados con un LLM en la misma canalización * Crear flujos de trabajo de extremo a extremo desde la extracción hasta la salida impulsada por IA ## Primeros pasos **Crea tus credenciales de usuario de la API**: regístrate para una prueba gratuita o compra el producto en el [**panel de control de Oxylabs**](https://dashboard.oxylabs.io/en/registration) para crear tus credenciales de usuario de la API (`USERNAME` y `PASSWORD`). {% hint style="warning" %} Si necesitas más de un usuario de API para tu cuenta, ponte en contacto con nuestro [**soporte al cliente**](mailto:support@oxylabs.io) o escribe en nuestro chat en vivo 24/7. {% endhint %} En esta guía usaremos el lenguaje de programación Python. Instala las bibliotecas requeridas usando pip: ```bash pip install -qU langchain-oxylabs langchain-openai langgraph requests python-dotenv ``` ## Configuración del entorno Crea un archivo `.env` en el directorio de tu proyecto con tus credenciales de usuario de la API de Oxylabs y de OpenAI: ``` OXYLABS_USERNAME=your-username OXYLABS_PASSWORD=your-password OPENAI_API_KEY=your-openai-key ``` Carga estas variables de entorno en tu script de Python: ```python import os from dotenv import load_dotenv load_dotenv() ``` ## Métodos de integración Hay dos formas principales de integrar Oxylabs Web Scraper API con LangChain: ### Usando el paquete langchain-oxylabs Para consultas de búsqueda de Google, usa el paquete dedicado [`langchain-oxylabs`](https://python.langchain.com/docs/integrations/tools/oxylabs/) , que ofrece una integración lista para usar: ```python import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model from langgraph.prebuilt import create_react_agent from langchain_oxylabs import OxylabsSearchAPIWrapper, OxylabsSearchRun load_dotenv() # Inicializa tu modelo LLM preferido llm = init_chat_model( "gpt-4o-mini", model_provider="openai", api_key=os.getenv("OPENAI_API_KEY") ) # Inicializa la herramienta de búsqueda de Google search = OxylabsSearchRun( wrapper=OxylabsSearchAPIWrapper( oxylabs_username=os.getenv("OXYLABS_USERNAME"), oxylabs_password=os.getenv("OXYLABS_PASSWORD") ) ) # Crea un agente que use la herramienta de búsqueda de Google agent = create_react_agent(llm, [search]) # Ejemplo de uso user_input = "When and why did the Maya civilization collapse?" response = agent.invoke({"messages": user_input}) print(response["messages"][-1].content) ``` ### Usando el Web Scraper API Para acceder a otros sitios web más allá de la búsqueda de Google, puedes enviar una solicitud directamente al Web Scraper API: ```python import os import requests from dotenv import load_dotenv from langchain_openai import OpenAI from langchain_core.prompts import PromptTemplate load_dotenv() def scrape_website(url): """Extrae el sitio web usando Oxylabs Web Scraper API""" payload = { "source": "universal", "url": url, "parse": True } response = requests.post( "https://realtime.oxylabs.io/v1/queries", auth=(os.getenv("OXYLABS_USERNAME"), os.getenv("OXYLABS_PASSWORD")), json=payload ) if response.status_code == 200: data = response.json() content = data["results"][0]["content"] return str(content) else: print(f"Failed to scrape website: {response.text}") return None def process_content(content): """Procesa el contenido extraído usando LangChain""" if not content: print("No content to process.") return None prompt = PromptTemplate.from_template( "Analiza el siguiente contenido del sitio web y resume los puntos clave: {content}" ) chain = prompt | OpenAI(api_key=os.getenv("OPENAI_API_KEY")) result = chain.invoke({"content": content}) return result def main(url): print("Scraping website...") scraped_content = scrape_website(url) if scraped_content: print("Processing scraped content with LangChain...") analysis = process_content(scraped_content) print("\nProcessed Analysis:\n", analysis) else: print("No content scraped.") if __name__ == "__main__": url = "https://sandbox.oxylabs.io/products/1" main(url) ``` ## Scrapers específicos por destino Oxylabs proporciona [**scrapers especializados**](/api-targets/es/cualquier-dominio.md) para varios sitios web populares. Aquí hay algunos ejemplos de fuentes disponibles: | Sitio web | Parámetro source | Parámetros requeridos | | --------- | ---------------- | ---------------------------- | | Google | `google_search` | `query` | | Amazon | `amazon_search` | `query`, `domain` (opcional) | | Walmart | `walmart_search` | `query` | | Target | `target_search` | `query` | | Kroger | `kroger_search` | `query`, `store_id` | | Staples | `staples_search` | `query` | Para usar un scraper específico, modifica el payload en la `scrape_website` función: ```python # Ejemplo para búsqueda en Amazon payload = { "source": "amazon_search", "query": "smartphone", "domain": "com", "parse": True } ``` ## Configuración avanzada ### Manejo de contenido dinámico El Web Scraper API puede manejar [**renderizado de JavaScript**](/products/es/web-scraper-api/features/js-rendering-and-browser-control.md) añadiendo el parámetro `render` : ```python payload = { "source": "universal", "url": url, "parse": True, "render": "html" } ``` ### Configuración del tipo de user agent Puedes especificar distintos [**user agents**](/products/es/web-scraper-api/features/http-context-and-job-management/user-agent-type.md) para simular diferentes dispositivos: ```python payload = { "source": "universal", "url": url, "parse": True, "render": "html", "user_agent_type": "mobile" } ``` ### Uso de parámetros específicos del destino Muchos [**scrapers específicos por destino**](/api-targets/es/cualquier-dominio.md) admiten parámetros adicionales: ```python # Ejemplo para Kroger con parámetros de ubicación payload = { "source": "kroger_search", "query": "organic milk", "store_id": "01100002", "fulfillment_type": "pickup" } ``` ## Manejo de errores Implementa un manejo de errores adecuado para aplicaciones de producción: ```python try: response = requests.post( "https://realtime.oxylabs.io/v1/queries", auth=(os.getenv("OXYLABS_USERNAME"), os.getenv("OXYLABS_PASSWORD")), json=payload, timeout=60 ) response.raise_for_status() # Procesar respuesta except requests.exceptions.HTTPError as http_err: print(f"HTTP error occurred: {http_err}") except requests.exceptions.ConnectionError as conn_err: print(f"Connection error occurred: {conn_err}") except requests.exceptions.Timeout as timeout_err: print(f"Timeout error occurred: {timeout_err}") except requests.exceptions.RequestException as req_err: print(f"An error occurred: {req_err}") ``` --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://developers.oxylabs.io/integrations/es/integraciones-de-web-scraper-api/langchain.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.