Semalt élabore sur URLitor - Outil de grattage Web et d'extraction de données très cool
URLitor est un nouvel outil efficace d'extraction de données et de grattage. Pour utiliser URLitor, il vous suffit d'ajouter une liste de toutes les URL dont vous souhaitez extraire le contenu en ligne dans le modèle fourni. Ensuite, vous devez spécifier l'élément HTML que vous voulez extraire des pages Web et cliquer sur le bouton Soumettre. C'est aussi facile que ça. Avec cet outil, vous n'avez plus besoin de faire une copie ou un collage à partir du navigateur.
xPath est un langage utilisé pour rechercher des informations dans des fichiers XML. Il utilise certaines expressions pour sélectionner des ensembles de nœuds ou des nœuds dans des fichiers XML. Les expressions que XPath comprend sont assez similaires à celles qui sont utilisées avec des fichiers ou des documents informatiques normaux.
Bien que XPath soit utilisé avec plusieurs langages de programmation, cet outil a été conçu pour les utilisateurs qui n'ont aucune connaissance en programmation. Donc, vous n'avez pas besoin d'être un programmeur pour l'utiliser. Avec cet outil, vous pouvez extraire des données de plusieurs pages HTML et XML.
Pour simplifier l'utilisation, plusieurs expressions XPath fréquemment utilisées ont été prédéfinies dans un menu déroulant, de sorte que les utilisateurs n'auront besoin de sélectionner aucun d'entre eux en fonction de leur objectif. de XPath ont la liberté d'utiliser leurs expressions personnalisées quand ils le souhaitent.
L'outil a été conçu avec une capacité de 100 URL en une seule session de grattage, et il prend un maximum de 10 expressions à la fois. mots, il peut extraire des données d'un maximum de 100 URL à la fois.
Certaines expressions XPath importantes qui peuvent être modifiées ou ajoutées ont été décrites ci-dessous:
(27 ) 1. // div [2] - Cette expression sélectionne le second div hiérarchiquement;
2. // link [@ rel = 'canonical'] / @href - Cette expression sélectionne l'emplacement (ref) de l'étiquette qui est utilisé pour définir l'attribut rel égal à canonique;
3. / html / head / meta [@ name = 'description'] / @ content - Cette expression est utilisée pour sélectionner le contenu;
4. // * [@ class = 'nom-classe'] - Vous pouvez utiliser cette expression pour sélectionner tous les éléments avec 'nom-classe' comme Classe CSS;
5. // h2 | // title - Cette expression peut être utilisée pour sélectionner à la fois le premier H2 et le titre de la page;
6. // * [name
= 'h1' ou name
= 'title'] - Cette expression fonctionne exactement comme celle ci-dessus. Cependant, l'expression présentée ci-dessus est meilleure car elle est plus courte;
7. // * [contains (@class, 'thumb')] - Cette expression sélectionne chaque élément qui a une classe CSS et contient aussi 'thumb' pour l'extraction;
8. // parent :: * [text
= 'Bienvenue'] - Cette expression sélectionne le parent de tout élément qui a le texte 'Bienvenue ';
Cet outil est une version bêta et pourrait encore fonctionner avec quelques erreurs. Cependant, c'est toujours un excellent outil pour les utilisateurs ayant peu ou pas de connaissances en programmation car toutes les expressions fréquemment utilisées ont été prédéfinies dans un menu comme mentionné précédemment.
Post a comment
