# ¿Exportando todas las publicaciones del foro para subirlas manualmente a LLMs externos?
**URL:** https://meta.discourse.org/t/exporting-all-forum-posts-for-manual-upload-into-external-llms/348975
**Category:** Support
**Tags:** ai
**Created:** [25 Enero, 2025 17:08 UTC](https://meta.discourse.org/t/exporting-all-forum-posts-for-manual-upload-into-external-llms/348975 "2025-01-25T17:08:01Z")
**Posts on this page:** 2
**Page:** 1
### Author:  [@denvergeeks](https://meta.discourse.org/u/denvergeeks)
#### Post date: [25 Enero, 2025 17:08 UTC](https://meta.discourse.org/t/exporting-all-forum-posts-for-manual-upload-into-external-llms/348975/1 "2025-01-25T17:08:01Z")
Necesito preparar una exportación o copia de seguridad que pueda cargar manualmente en un Espacio de Trabajo de Perplexity.ai. Quiero incluir todas las publicaciones de todo el sitio. Los tipos de archivo permitidos son:
`.json`
`.md`
`.txt`
`.pdf`
`.csv`
`.xlsx`
`.docx`
`.pptx`
Puedo cargar hasta 50 archivos de 25 MB o menos.
No necesito incluir imágenes.
¿Cuál sería el mejor método?
(Además, no es necesario, pero si es posible, me gustaría que el/los archivo(s) exportado(s) incluyeran el contenido de los documentos subidos por el usuario, como archivos .pdf, en un formato legible por los LLM).
¿Alguien tiene alguna idea sobre la mejor manera de preparar dicha exportación?
Me autoalojo.
Esto es lo que he encontrado hasta ahora…
> **Ask.Discourse.com dijo...**
>
> ### Exportar contenido excluyendo imágenes:
>
> 1. **Usando el plugin [Data Explorer](https://meta.discourse.org/t/32566?silent=true) (si está disponible):**
> - El [plugin Data Explorer](https://meta.discourse.org/t/data-explorer-plugin/32566) de Discourse te permite ejecutar consultas SQL personalizadas para extraer diferentes tipos de datos en el formato que desees (por ejemplo, `JSON`, `CSV`).
> - Consulta de ejemplo: Ejecuta una consulta para exportar todas las publicaciones y temas. Esto te dará datos estructurados.
>
> 2. **Exportación JSON a través de la API:**
> - Cada tema o publicación en Discourse se puede exportar mediante programación con `JSON` añadiendo `.json` a su URL.
> - Por ejemplo:
>
> ```plaintext
> https:///t/titulo-del-tema/.json
>
> ```
>
> ```
> * Si tu objetivo es activar programáticamente estas exportaciones para todos los temas del sitio basándote en los `topic_ids`, esto obtendría las conversaciones en archivos `.json` individuales.
>
> ```
>
> 1. **Opción automatizada de línea de comandos (si es compatible):**
> - Para sitios autoalojados, los usuarios avanzados pueden trabajar directamente con la base de datos utilizando comandos `pg_dump` o pasos similares de extracción de consultas de bases de datos.
> - Sin embargo, los planes alojados no permiten ejecutar estas herramientas directamente.
>
> 2. **Documentos subidos por el usuario (por ejemplo, PDFs):**
> - Desafortunadamente, fusionar el contenido de los documentos subidos directamente en `.json` o cualquier otro formato de salida como `.txt` no es compatible de forma nativa. Sin embargo, puedes descargar y analizar los documentos por separado localmente utilizando herramientas especializadas para incluir su texto en formatos estructurados.
>
> ### Recomendación de tipo de archivo:
>
> Dadas tus restricciones de carga:
>
> - Para la extracción de texto, exporta archivos `.json` o `.csv`, ya que estos formatos pueden capturar mejor las publicaciones estructuradas y los detalles de los temas.
>
> Si necesitas personalización adicional, ¡házmelo saber!
>
> Para más detalles, consulta la [documentación del plugin Data Explorer](https://meta.discourse.org/t/data-explorer-plugin/32566).
---
### Author:  [@sam](https://meta.discourse.org/u/sam)
#### Post date: [27 Enero, 2025 23:33 UTC](https://meta.discourse.org/t/exporting-all-forum-posts-for-manual-upload-into-external-llms/348975/3 "2025-01-27T23:33:56Z")
El explorador de datos es el enfoque correcto aquí:
Este es el enfoque que recomendaría:
> [@Discourse Public Data Dump](https://meta.discourse.org/t/discourse-public-data-dump/264748):
>
> Given the advent of AI and the need for large datasets on local development machines, we have pulled together a quick pattern for getting a “workable” copy of all public (visible by anon) data from a Discourse forum. Keeping the documentation up to date at: Why you care? You want a local database with LOTS of topics You don’t want ANY personal data on your system This is still in a very rough shape, but it is workable for initial experiments and gives you a very populous local setup. T…