Yell ist das führende Online-Branchenbuch in Großbritannien. In diesem Tutorial zeigen wir Ihnen, wie Sie Geschäftsdetails aus Yell.com mit Octoparse scrapen können.

Zur Demonstration verwenden wir die folgende URL als Beispiel.

https://www.yell.com/ucs/UcsSearchAction.do?scrambleSeed=627415385&keywords=dentists&location=London

Wir werden Daten wie Titel, Adresse, Telefonnummer und Website von der Webseite scrapen.

Hier sind die wichtigsten Schritte in diesem Tutorial: [Aufgabendatei hier herunterladen]

1. „Go To Web Page“ - Öffnen der Ziel-Webseite

2. „Auto-detect web page data“ - um den Workflow zu erstellen

3. „Extract data“ - Modifizieren der Datenfelder

4. Starten der Extraktion - Ausführung der Aufgabe und Erhalten der Daten

1.„Go To Web Page“ - Öffnen der Ziel-Webseite

• Geben Sie die Beispiel-URL ein und klicken Sie auf „Start“.

2.„Auto-detect web page data“ - um den Workflow zu erstellen

• Klicken Sie auf „Auto-detect web page data“.

• Warten Sie, bis die Detektion abgeschlossen ist.

• Gehen Sie zur Datenvorschau, um zu sehen, ob Sie mit dem aktuellen Output zufrieden sind.

  • Sie können direkt die ungewünschten Datenfelder löschen, indem Sie auf „trash“-Button klicken.

  • Sie können auch durch Klick auf „edit“-Button direkt die Datenfelder-Namen modifizieren.

• Kreuzen Sie die Option von „Add a page scroll“ nicht an.

• Klicken Sie auf „Create workflow“.

Octoparse würde automatisch einen Workflow mit den Datenfelder generieren, die es detektiert hat.

3.„Extract data“ - Datenextraktion von Telefonnummern und Webseiten

Es gibt hier einige Information, die nicht durch der automatischen Erkennungsfunktion detektiert wird. Und wir können sie selektieren, um sie manuell zu scrapen.

• Wählen Sie die Website der ersten Unternehmen auf der Webseite (notieren, dass Sie im in Rot hervorgehobenen Bereich dieses Datenfeld auswählen sollten).

• Selektieren Sie „Extract the URL of the selected link“.

• Klicken Sie auf ... und modifizieren Sie den XPath der URL als //a[contains(text(),'Website')].

• Klicken Sie auf „Apply“ zur Speicherung.

Scraping der Telefonnummern ist in diesem Fall schwierig, da die Nummern nicht auf der Webseite sichtbar sind, sondern im HTML-Code gespeichert sind. Wir können ein Feld scrapen und den XPath des Feldes ändern, um die Telefonnummer zu erhalten.

• Selektieren Sie den „Call“ Button auf der Seite und wählen Sie „Extract the text of the element“.

• Klicken Sie auf ... und modifizieren Sie den XPath vom Feld: //span[@itemprop="telephone"]

• Klicken Sie auf „Apply“ zur Speicherung.

Tipps: Die E-Mail-Adresse können in diesem Fall gescrapt werden, weil diese Webseite keine E-Mail-Adresse in ihrem Code enthält. Klicken Sie auf den E-Mail Button, der Ihnen direkt Information erhalten lässt.

• Benennen Sie bei Bedarf die Felder um.

4.Starten der Extraktion - Ausführung der Aufgabe und Erhalten der Daten

• Klicken Sie auf „Save“.

• Klicken Sie auf „Run“.

• Wählen Sie „Run on your device“, um die Aufgabe mit Ihrem lokalen Gerät auszuführen, oder Wählen „Run in the Cloud“, um die Aufgabe auf unseren Cloud-Servern auszuführen (nur für Premium-Benutzer)

Sie können die Ergebnisdaten in angebotene Formate wie EXCEL, CVS, JSON order in Ihre Datenbank exportieren.

Hier sind die Beispieldaten.