Usa listas para extraer

Extraer datos de secciones de una lista

 Cuando la lista consta de partes similares, y cada parte contiene información diversa que queremos capturar, puede capturar información detallada directamente de la lista construyendo una lista de partes.  

Por ejemplo, en la imagen a continuación, la página está construida con una lista de diferentes artículos de noticias con información detallada, como el título del artículo, la fecha en que se publicó y el nombre del autor.  

Para extraer información detallada de cada sección individual de una lista, dividiremos el proceso de extracción en dos pasos:

• Haga clic en cualquier sección de la lista de objetivos. Ahora toda la sección de destino debería resaltarse en verde con todos los subelementos resaltados en rojo.

• Haga clic en otra sección de la lista de objetivos. Octoparse selecciona automáticamente todas las secciones similares (resaltadas). 

• Desde el Panel de acciones, seleccione "Extraer texto del elemento seleccionado"

• Haga clic en el título del artículo
• Desde el Panel de acciones, seleccione "Extraer texto del elemento seleccionado"
• Siga los mismos pasos para extraer los otros campos de datos, como el autor, la fecha de publicación y el resumen del artículo.

¡Consejos!   Es importante asegurarse de que está seleccionando campos de datos de la sección resaltada para que Octoparse pueda relacionar los campos de datos con las secciones correspondientes con precisión.

3) Cambie el interruptor de Flujo de trabajo ubicado en el lado superior derecho. En el lado izquierdo está el flujo de trabajo generado por Octoparse y en el lado derecho están los datos extraídos. Cambie el nombre de los campos según sea necesario o elimine los campos de datos innecesarios.

 

Haga clic en cada enlace en una lista para extraer

 

Solo hay poco cantidad que podría estar contenida en las secciones de una lista. Cuando se necesita más detalles, a menudo es necesario hacer clic en los enlaces de la lista y luego capturar la información detallada de la página de detalles.

 

Veamos el siguiente ejemplo.

 

 

 

Aunque hay alguna información como el título del producto, el número de modelo, etc. disponible directamente de la lista, pero cuando queremos algo más específico, como las características o la especificación de los productos, en realidad necesitaremos hacer clic en los enlaces del lista luego continúe para capturar los datos deseados de la página de detalles. Para hacer esto, dividiremos el proceso de extracción en 2 pasos:

 

1) Cree una lista de los enlaces para hacer clic en abrir
2) Especifique los campos de datos deseados para capturar desde la página de detalles

 

 

Siga los pasos a continuación para ver cómo se hace:

1) Construya una lista de los enlaces deseados

• Haga clic en un enlace de la lista

• Desde el Panel de acciones, haga clic en "Seleccionar todo"

• Desde el Panel de acciones, haga clic en "Bucle, haga clic en cada URL"

2) Especifique los campos de datos para capturar desde la página de detalles

• Haga clic en el título del producto
• Desde el Panel de acciones, haga clic en "Extraer texto del elemento seleccionado"
• Siga los mismos pasos para capturar cualquier otro campo de datos, t como el modelo, SKU, clasificación, etc.

 

3) Cambie el interruptor de flujo de trabajo ubicado en el lado superior derecho. En el lado izquierdo está el flujo de trabajo generado por Octoparse y en el lado derecho están los datos extraídos. Cambie el nombre de los campos según sea necesario o elimine los campos de datos innecesarios.

 

 

Capture para tabla

Una tabla es una de las formas más comunes de visualización de datos en la web. Para capturar datos de una tabla con Octoparse, aplicaremos la técnica de extracción de listas tratando cada fila individual de la tabla como una sola sección de una lista, luego puede especificar los campos de datos (las columnas) para extraer de cada fila.

 

 

Siga los pasos a continuación para ver cómo se hace en Octoparse:
1) Haga clic en cualquier fila de la tabla

 

¡Consejos! Siga haciendo clic en el icono de expansión desde el Panel de acciones hasta que se resalte toda la fila.          Vuelva a cargar la página web con el icono "Volver a cargar"  ubicado junto a la barra de direcciones. Tan pronto como se cargue toda la información necesaria en el navegador incorporado, siempre puede hacer clic en el icono "Dejar de cargar" para continuar con la siguiente acción.

 

 

2) Haga clic en otra fila de la misma tabla

3) Desde el Panel de acciones, haga clic en "Extraer texto de los elementos seleccionados"

 

 

4) Desde las filas resaltadas, haga clic en los campos de datos deseados para capturar.

5) Desde el Panel de acciones, haga clic en "Extraer texto de los elementos seleccionados".

6) Capture los otros campos de datos deseados de la fila resaltada de manera similar.

 

 

¡Consejos!   Si se desea la URL o HTML del elemento seleccionado en lugar del texto, haga clic en la opción correspondiente desde el Panel de acciones.

 

7) Cambie el interruptor de flujo de trabajo ubicado en el lado superior derecho. En el lado izquierdo está el flujo de trabajo generado por Octoparse y en el lado derecho están los datos extraídos. Cambie el nombre de los campos según sea necesario o elimine los campos de datos innecesarios.

8) Haga clic en las acciones del flujo de trabajo para ver si las diferentes filas tienen los datos extraídos correctamente.

 

Artículos relacionados:

Seleccionar elementos en un menú desplegable 

Seleccionar y extraer datos / URL / imagen / HTM  

Extraer varias páginas a través de la paginación