Veri çıkarma

Veri çıkarma, bir kümedeki her sitenin sayfalarını okur ve bir ifadeyle eşleşen kısımları çıkarır. Böylece bir site kümesi; telefon numaraları, sosyal medya hesapları, adresler, eklenti adları gibi, kalıbın yakaladığı her şeyden oluşan bir tabloya dönüşür.

Neleri okur

Bu siteler için dizinde bulunan her şeyi, iç sayfalar dahil, okur; yalnızca aramanın eşleştiği ana sayfayı değil. Yalnızca “Hakkımızda” sayfasında geçen bir iletişim bilgisi de bulunur.

Hazır kalıplar ve kendi kalıplarınız

En çok istenen şeyler için hazır kalıplar vardır: e-posta adresleri, telefon numaraları, WhatsApp, Telegram ve Skype iletişim bilgileri, Facebook, Instagram, X (Twitter) ve LinkedIn sayfalarına bağlantılar, Google Tag Manager, Google Analytics, Hotjar ve AdSense kimlikleri. Bunların yerine herhangi bir düzenli ifade de kullanılabilir. İfade, aramadaki snipexp: operatörüyle aynı şekilde çalışır: sütuna yazılan, yakalama grubunun yakaladığıdır; yakalama grubu olmayan bir ifade boş sonuç verir.

|/wp-content/plugins/([\w\d\-\.\_]+)/|

Önce küçük bir kümede deneyin. İfade, çıkarılacak kayıt sayısına üst sınır konarak denenebilir, düzeltilebilir ve yeniden denenebilir; böylece yanlış bir kalıp neredeyse hiçbir maliyet getirmez. Bunun neden önemli olduğunu sınırlar sayfasında bulabilirsiniz.

Sonucu alma

Çıkarılan tablo dosya olarak indirilir ve bir elektronik tablo programında açılır. Her satırda bir site ve onda bulunanlar yer alır; hiçbir şeyin eşleşmediği bir site de listelenir, böylece boşluklar sessizce kaybolmak yerine görünür kalır.

Aramaları bir kümeyle filtreleme

Küme ters yönde, filtre olarak da çalışır. Kendi alan adı, URL ya da e-posta adresi listenizi yükleyin ve arama sonuçlarını bu listedeki sitelere ya da fark alarak bunlar dışındaki her şeye daraltmak için kullanın.

Telefon ve e-posta adreslerini çıkarma örneği, iki aramadan bir elektronik tabloya kadar tüm süreci adım adım gösterir. Veri çıkarma koddan da yapılabilir: API'nin bir parçasıdır ve aynı hazır kalıpları adlarıyla kullanır.