Semalt: een webpagina schrapen met Google Chrome Extension
Een schermschraper is een script dat sites leest en nuttige informatie uit het web haalt. Screenscraping is de ultieme oplossing voor het verkrijgen van echte gegevens van websites en webpagina's naar Microsoft Excel. Google Chrome Extension Scraper is een krachtige screen scraping tool die werkt op zowel Windows als Mac OS.
Waarom Google Chrome Extension Scraper?
Google Chrome-uitbreidingsschraper is een krachtige schermschrapingtool die gratis wordt gebruikt in de Chrome Web Store. Deze scraptool is als plug-in geïnstalleerd in de Chrome-browser. Met de plug-in kunnen bloggers en marketeers gegevens van webpagina's ophalen door met de rechtermuisknop op een element te klikken. 'Scrape Similar' verschijnt op uw scherm als u met de rechtermuisknop op een element klikt.
Inleiding tot XPaths
XPath is een programmeertaal die wordt gebruikt om cruciale informatie in XML-structuren te vinden. Het HTML-bestand is een uitstekend voorbeeld van een XML-structuur. XPath wordt vaak gebruikt om gerichte knooppunten te selecteren. In deze context worden XPaths gebruikt om de tekst te bepalen die moet worden geëxtraheerd op een webpagina. XPaths helpt ook bij het identificeren van partijnamen en telefoonnummers van de Zweedse parlementsleden.
Schraper van Google Chrome gebruiken voor toegang tot adresgegevens van 349 Zweedse parlementsleden
Met Chrome Scraper is het extraheren van informatie van een webpagina niet alleen eenvoudig, maar ook fantastisch. Je zult genieten van het proces en de techniek zelf.
De website geeft een overzicht van alle Zweedse leden en hun adressen. Om te beginnen, klik met de rechtermuisknop op een MP en selecteer "Scrape Similar." U moet het volgende scherm op uw scherm zien.
Stap voor stap handleiding voor het screenen van webpagina's schrapen
Als u met de rechtermuisknop op een MP klikt en 'Inspect element' selecteert, wordt een alfabetische lijst gemaakt onder de klasse 'grid_6 alpha omega search results container clist'. Er worden twee stappen gebruikt om deze webpagina te schrapen. De eerste stap is het selecteren van tags die bestaan uit MPs-gegevens met een XPath. Bij stap twee worden specifieke delen van gegevens geselecteerd, zoals namen van partijen, namen en telefoonnummers en worden de gegevens in kolommen ingedeeld.
Stap 1
Graaf dieper in de HTML-structuur en houd de elementen intact. Richt de tags om het aantal tags te identificeren dat correspondeert met elementen op uw structuur. Identificeer de laatste tag die bestaat uit de doelgegevens. Voer een XPath-test uit op de structuur door op 'Scrape' te klikken.
Een lijst met 349 rijen wordt op uw scherm weergegeven. 349 vertegenwoordigen het totale aantal Zweedse parlementsleden.
Stap 2
Splits de gepresenteerde gegevens op in kolommen. Inspecteer de HTML-code op de webpagina die u hebt gebruikt. In dit geval zijn de te extraheren stukken op dit moment geel gemarkeerd. Voeg de XPaths in het gemaakte kolomveld in en klik op "Scrape" om de plug-in uit te voeren.
Als u over basiskennis van XPaths beschikt, is begrip van programmeren geen hectische taak voor u. De hierboven gemarkeerde stappen begeleiden u bij het screenen van webpagina's schrapen. Als u bezig bent met het scrapen van meerdere webpagina's, moet u beschikken over programmeervaardigheden.
Post a comment
