Semalt Shares Eine einfache Möglichkeit, Informationen von Websites zu extrahieren
Web Scraping ist eine beliebte Methode, um Inhalte von Websites zu erhalten. Ein speziell programmierter Algorithmus kommt auf die Hauptseite der Site und beginnt, allen internen Links zu folgen, indem er die Interiors von divs zusammenstellt, die Sie angegeben haben. Als Ergebnis - fertige CSV-Datei mit allen notwendigen Informationen in einer strikten Reihenfolge. Die resultierende CSV kann für die Zukunft verwendet werden, um fast einzigartige Inhalte zu erstellen. Und im Allgemeinen sind solche Daten als Tabelle von großem Wert. Stellen Sie sich vor, dass die gesamte Produktliste einer Baumarktkette in einer Tabelle dargestellt wird. Darüber hinaus sind für jedes Produkt, für jeden Typ und jede Marke des Produkts, alle Felder und Merkmale ausgefüllt. Jeder Texter, der für einen Online-Shop arbeitet, würde sich über eine solche CSV-Datei freuen.
Es gibt viele Tools zum Extrahieren von Daten von Websites oder Web Scraping und keine Sorge, wenn Sie mit Programmiersprachen nicht vertraut sind, in diesem Artikel werde ich eines der zeigen einfachste Wege - mit Scrapinghub.
Gehen Sie zuerst zu scrapinghub.com, registrieren Sie sich und loggen Sie sich ein.
Der nächste Schritt zu Ihrer Organisation kann einfach übersprungen werden.
Dann kommst du zu deinem Profil. Sie müssen ein Projekt erstellen.
Hier müssen Sie einen Algorithmus auswählen (wir verwenden den Algorithmus "Portia") und dem Projekt einen Namen geben. Nennen wir es irgendwie ungewöhnlich. Zum Beispiel "111".
Jetzt kommen wir in den Arbeitsraum des Algorithmus, wo Sie die URL der Website eingeben müssen, aus der Sie Daten extrahieren möchten..Dann klicke auf "Neue Spinne".
Wir gehen zu der Seite, die als Beispiel dient. Die Adresse wird in der Kopfzeile aktualisiert. Klicken Sie auf "Diese Seite anmerken".
Bewegen Sie den Mauszeiger nach rechts, um das Menü anzuzeigen. Hier sind wir an der Registerkarte "Extracted item" interessiert, wo Sie auf "Edit Items" klicken müssen.
Die leere Liste unserer Felder wird angezeigt. Klicken Sie auf "+ Feld".
Hier ist alles einfach: Sie müssen eine Liste von Feldern erstellen. Für jedes Element müssen Sie einen Namen eingeben (in diesem Fall einen Titel und Inhalt), angeben, ob dieses Feld erforderlich ist ("Erforderlich") und ob es variieren kann ("Variieren"). Wenn Sie angeben, dass ein Element "erforderlich" ist, überspringt der Algorithmus einfach Seiten, bei denen dieses Feld nicht gefüllt werden kann. Wenn nicht markiert, kann der Prozess für immer dauern.
Klicken Sie nun einfach auf das benötigte Feld und geben Sie an, was es ist:
Fertig? Dann im Header der Website klicken Sie auf "Sample speichern". Danach können Sie zum Arbeitsbereich zurückkehren. Jetzt weiß der Algorithmus, wie man etwas bekommt, wir müssen eine Aufgabe dafür setzen. Klicken Sie dazu auf "Änderungen veröffentlichen".
Gehe zur Taskleiste und klicke auf "Run Spider". Wählen Sie Website, Priorität und klicken Sie auf "Ausführen".
Nun, Kratzen ist jetzt in Arbeit. Seine Geschwindigkeit wird angezeigt, indem Sie den Mauszeiger auf die Anzahl der gesendeten Anfragen richten:
Die Geschwindigkeit, mit der Strings in CSV - durch Zeigen auf eine andere Zahl - vorbereitet werden.
Um eine Liste bereits gefertigter Artikel zu sehen, klicken Sie einfach auf diese Nummer. Sie werden etwas Ähnliches sehen:
Wenn es fertig ist, kann das Ergebnis durch Klicken auf diese Schaltfläche gespeichert werden:
Das war's! Jetzt können Sie Informationen von Websites ohne Programmierkenntnisse extrahieren.
Post a comment
