അലറുന്ന തവളയുടെ എസ്.ഇ.ഒ ചിലന്തി ഉപയോഗിച്ച് ഒരു വലിയ സൈറ്റ് ക്രാൾ ചെയ്യുന്നതും ഡാറ്റ എക്‌സ്‌ട്രാക്റ്റുചെയ്യുന്നതും എങ്ങനെ

ഞങ്ങൾ ഇപ്പോൾ നിരവധി ക്ലയന്റുകളെ സഹായിക്കുന്നു മാർക്കറ്റോ മൈഗ്രേഷൻ. വലിയ കമ്പനികൾ ഇതുപോലുള്ള എന്റർപ്രൈസ് സൊല്യൂഷനുകൾ ഉപയോഗിക്കുന്നതിനാൽ, ഇത് വർഷങ്ങളായി ചില പ്രക്രിയകളിലേക്കും പ്ലാറ്റ്‌ഫോമുകളിലേക്കും സ്വയം നെയ്യുന്ന ഒരു ചിലന്തിവല പോലെയാണ്… കമ്പനികൾ എല്ലാ ടച്ച്‌പോയിന്റുകളെക്കുറിച്ചും പോലും അറിയാത്തതുവരെ.

മാർക്കറ്റോ പോലുള്ള ഒരു എന്റർപ്രൈസ് മാർക്കറ്റിംഗ് ഓട്ടോമേഷൻ പ്ലാറ്റ്ഫോം ഉപയോഗിച്ച്, സൈറ്റുകളിലും ലാൻഡിംഗ് പേജുകളിലും ഉടനീളമുള്ള ഡാറ്റയുടെ എൻട്രി പോയിന്റാണ് ഫോമുകൾ. കമ്പനികൾക്ക് അവരുടെ സൈറ്റുകളിലുടനീളം ആയിരക്കണക്കിന് പേജുകളും നൂറുകണക്കിന് ഫോമുകളും ഉണ്ട്, അത് അപ്‌ഡേറ്റ് ചെയ്യുന്നതിന് തിരിച്ചറിയേണ്ടതുണ്ട്.

ഇതിനുള്ള ഒരു മികച്ച ഉപകരണം അലറുന്ന തവളയുടെ എസ്.ഇ.ഒ ചിലന്തി… ഒരുപക്ഷേ ഒരു സൈറ്റിൽ നിന്ന് ക്രാൾ ചെയ്യാനും ഓഡിറ്റുചെയ്യാനും ഡാറ്റ എക്‌സ്‌ട്രാക്റ്റുചെയ്യാനുമുള്ള വിപണിയിലെ ഏറ്റവും ജനപ്രിയ പ്ലാറ്റ്ഫോം. പ്ലാറ്റ്ഫോം സവിശേഷതകളാൽ സമ്പന്നമാണ് കൂടാതെ നിങ്ങൾക്ക് ആവശ്യമുള്ള എല്ലാ ജോലികൾക്കും നൂറുകണക്കിന് ഓപ്ഷനുകൾ വാഗ്ദാനം ചെയ്യുന്നു.

അലറുന്ന തവള എസ്.ഇ.ഒ സ്പൈഡർ: ക്രാൾ ആൻഡ് എക്സ്ട്രാക്റ്റ്

സ്‌ക്രീമിംഗ് തവള എസ്.ഇ.ഒ സ്പൈഡറിന്റെ ഒരു പ്രധാന സവിശേഷത നിങ്ങൾക്ക് അടിസ്ഥാനമാക്കി ഇഷ്‌ടാനുസൃത എക്‌സ്‌ട്രാക്റ്റേഷനുകൾ നടത്താൻ കഴിയും എന്നതാണ് റിജെക്സ്, എക്സ്പാത്ത്, അഥവാ CSSPath സവിശേഷതകൾ. ക്ലയന്റിന്റെ സൈറ്റുകൾ‌ ക്രാൾ‌ ചെയ്യാനും പേജുകളിൽ‌ നിന്നും MunchkinID, FormId മൂല്യങ്ങൾ‌ ഓഡിറ്റുചെയ്യാനും പിടിച്ചെടുക്കാനും ഞങ്ങൾ‌ താൽ‌പ്പര്യപ്പെടുന്നതിനാൽ ഇത് വളരെ ഉപയോഗപ്രദമാണ്.

ഉപകരണം ഉപയോഗിച്ച് തുറക്കുക കോൺഫിഗറേഷൻ> ഇഷ്‌ടാനുസൃത> വേർതിരിച്ചെടുക്കൽ എക്‌സ്‌ട്രാക്റ്റുചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഘടകങ്ങൾ തിരിച്ചറിയാൻ.

എക്സ്ട്രാക്ഷൻ സ്ക്രീൻ ഫലത്തിൽ പരിധിയില്ലാത്ത ഡാറ്റ ശേഖരണം അനുവദിക്കുന്നു:

Regex, XPath, CSSPath വേർതിരിച്ചെടുക്കൽ

MunchkinID നായി, പേജിന്റെ ഉള്ളിലുള്ള ഫോം സ്ക്രിപ്റ്റിനുള്ളിൽ ഐഡന്റിഫയർ സ്ഥിതിചെയ്യുന്നു:

<script type='text/javascript' id='marketo-fat-js-extra'>
    /* <![CDATA[ */
    var marketoFat = {
        "id": "123-ABC-456",
        "prepopulate": "",
        "ajaxurl": "https:\/\/yoursite.com\/wp-admin\/admin-ajax.php",
        "popout": {
            "enabled": false
        }
    };
    /* ]]> */

ഞങ്ങൾ ഒരു പ്രയോഗിക്കുന്നു റിജെക്സ് റൂൾ പേജിൽ ചേർത്തിരിക്കുന്ന സ്ക്രിപ്റ്റ് ടാഗിനുള്ളിൽ നിന്ന് ഐഡി ക്യാപ്‌ചർ ചെയ്യുന്നതിന്:

Regex: ["']id["']: *["'](.*?)["']

ഫോം ഐഡിക്കായി, ഡാറ്റ മാർക്കറ്റോ ഫോമിനുള്ളിലെ ഇൻപുട്ട് ടാഗിലാണ്:

<input type="hidden" name="formid" class="mktoField mktoFieldDescriptor" value="1234">

ഞങ്ങൾ ഒരു പ്രയോഗിക്കുന്നു എക്സ്പാത്ത് റൂൾ പേജിൽ ചേർത്തിട്ടുള്ള ഫോമിനുള്ളിൽ നിന്ന് ഐഡി ക്യാപ്‌ചർ ചെയ്യുന്നതിന്. എക്സ്പാത്ത് അന്വേഷണം ഒരു ഇൻപുട്ട് ഉള്ള ഒരു ഫോമിനായി തിരയുന്നു formid, തുടർന്ന് വേർതിരിച്ചെടുക്കൽ സംരക്ഷിക്കുന്നു മൂല്യം:

XPath: //form/input[@name="formid"]/@value

അലറുന്ന തവള എസ്.ഇ.ഒ സ്പൈഡർ ജാവാസ്ക്രിപ്റ്റ് റെൻഡറിംഗ്

സ്‌ക്രീമിംഗ് തവളയുടെ മറ്റൊരു മികച്ച ഓപ്ഷൻ നിങ്ങൾ പേജിലെ HTML- ലേക്ക് പരിമിതപ്പെടുത്തിയിട്ടില്ല എന്നതാണ്, നിങ്ങളുടെ സൈറ്റിനുള്ളിൽ ഫോമുകൾ ചേർക്കാൻ പോകുന്ന ഏത് ജാവാസ്ക്രിപ്റ്റും നിങ്ങൾക്ക് റെൻഡർ ചെയ്യാൻ കഴിയും. ഉള്ളിൽ കോൺഫിഗറേഷൻ> ചിലന്തി, നിങ്ങൾക്ക് റെൻഡറിംഗ് ടാബിലേക്ക് പോയി ഇത് പ്രവർത്തനക്ഷമമാക്കാം.

തീർച്ചയായും സൈറ്റ് ക്രാൾ ചെയ്യാൻ കുറച്ച് സമയമെടുക്കും, പക്ഷേ നിങ്ങൾക്ക് ജാവാസ്ക്രിപ്റ്റ് ക്ലയന്റ്-സൈഡ് റെൻഡർ ചെയ്യുന്ന ഫോമുകളും സെർവർ സൈഡ് ചേർത്ത ഫോമുകളും ലഭിക്കും.

ഇത് വളരെ നിർദ്ദിഷ്ട ആപ്ലിക്കേഷനാണെങ്കിലും, നിങ്ങൾ വലിയ സൈറ്റുകളിൽ പ്രവർത്തിക്കുമ്പോൾ ഇത് അവിശ്വസനീയമാംവിധം ഉപയോഗപ്രദമാണ്. സൈറ്റിലുടനീളം നിങ്ങളുടെ ഫോമുകൾ ഉൾച്ചേർത്തിരിക്കുന്നിടത്ത് നിങ്ങൾ ഓഡിറ്റ് ചെയ്യാൻ ആഗ്രഹിക്കുന്നു.

അലറുന്ന തവള എസ്.ഇ.ഒ സ്പൈഡർ ഡൺലോഡ് ചെയ്യുക