Skip to main content

Airbyte Hubspot

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，可连接到数据仓库和数据库。

此加载器将Hubspot连接器公开为文档加载器，允许您将各种Hubspot对象加载为文档。

安装 (Installation)​

首先，您需要安装 airbyte-source-hubspot Python 包。

#!pip install airbyte-source-hubspot

示例 (Example)​

请查看 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 模式可以在 Github 上找到：https://github.com/airbytehq/airbyte/blob/master/airbyte-integrations/connectors/source-hubspot/source_hubspot/spec.yaml。

一般的形状如下所示：

{
  "start_date": "<以 ISO 格式指定要从中检索记录的日期，例如 2020-10-20T00:00:00Z>",
  "credentials": {
    "credentials_title": "私有应用凭据",
    "access_token": "<您的私有应用的访问令牌>"
  }
}

默认情况下，所有字段都存储为文档中的元数据，并且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.document_loaders.airbyte import AirbyteHubspotLoader

config = {
    # 您的 Hubspot 配置
}

loader = AirbyteHubspotLoader(config=config, stream_name="products") # 请查看上面链接的文档以获取所有流的列表

现在，您可以按照通常的方式加载文档。

docs = loader.load()

由于 load 返回一个列表，它将阻塞直到加载完所有文档。为了更好地控制此过程，您还可以使用 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，元数据对象包含记录的所有信息。要处理文档，请创建一个继承自基本加载器的类，并自己实现 _handle_records 方法：

from langchain.docstore.document 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 (Incremental loads)​

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

要利用此功能，请存储加载器的 last_state 属性，并在再次创建加载器时传递它。这将确保仅加载新记录。

last_state = loader.last_state # 安全存储

incremental_loader = AirbyteHubspotLoader(config=config, stream_name="products", state=last_state)

new_docs = incremental_loader.load()