Skip to main content
Open In Colab在 GitHub 上打开

Airbyte Hubspot（已弃用）

注意：AirbyteHubspotLoader已弃用。请使用AirbyteLoader相反。

Airbyte是一个用于ELT管道的数据集成平台，从API、数据库和文件到仓库和湖泊。它拥有最大的数据仓库和数据库 ELT 连接器目录。

此加载程序将 Hubspot 连接器公开为文档加载程序，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-hubspotpython 软件包。

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

例

查看 Airbyte 文档页面，了解有关如何配置读取器的详细信息。 config 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。

一般形状如下所示：

{
  "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，并且文本设置为空字符串。通过转换 Reader 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，您可以按常规方式加载文档

docs = loader.load()

如load返回一个列表，它将阻塞，直到加载所有文档。为了更好地控制此过程，您还可以将lazy_load方法，它返回一个迭代器：

docs_iterator = loader.lazy_load()

请记住，默认情况下，页面内容为空，并且 metadata 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础加载器的类，并实现_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()
API 参考：文档

增量负载

某些流允许增量加载，这意味着源会跟踪同步的记录，并且不会再次加载它们。这对于具有大量数据且经常更新的源非常有用。

要利用这一点，请将last_state属性，并在再次创建 loader 时传入。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()