> ## Documentation Index
> Fetch the complete documentation index at: https://www.octoparse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Auto-Erkennung

> Mit der Auto-Erkennung kann Octoparse Seitendaten erkennen und automatisch einen ersten Extraktionsworkflow erstellen.

Die Auto-Erkennung scannt eine Webseite, erkennt wiederkehrende Datenmuster und erzeugt einen ersten Extraktionsworkflow – einschließlich Datenfeldern und Paginierungslogik. Hinsichtlich Aufwand und Flexibilität liegt sie zwischen [Vorlagen](https://www.octoparse.com/docs/de/templates/overview.md) (am schnellsten, aber auf unterstützte Websites beschränkt) und dem [No-Code-Builder](https://www.octoparse.com/docs/de/desktop/no-code-builder.md) (vollständige manuelle Kontrolle).

## Wann Sie die Auto-Erkennung verwenden sollten

Verwenden Sie die Auto-Erkennung, wenn:

* die Seite wiederkehrende Elemente wie Produkte, Einträge, Bewertungen oder Suchergebnisse enthält
* Sie schnell einen ersten Workflow benötigen
* Sie nicht sicher sind, welche Elemente Sie manuell auswählen sollen
* Octoparse Felder und Paginierungslogik vorschlagen soll
* Sie schnell eine Vorschau der von einer Zielwebsite extrahierbaren Daten erhalten möchten, bevor Sie eine vollständige Konfiguration vornehmen
* Sie den erzeugten Workflow anschließend prüfen und anpassen möchten

Die Auto-Erkennung ist ein Ausgangspunkt, keine Garantie dafür, dass jedes Feld oder jede Aktion korrekt ist.

## So funktioniert die Auto-Erkennung

Die Auto-Erkennung analysiert die DOM-Struktur und das visuelle Layout der Seite, lokalisiert mithilfe von Ähnlichkeitsberechnungen und Merkmalskombinationen wiederkehrende Datenbereiche und erzeugt automatisch Extraktionsregeln.

**1. Zielseite öffnen**

Beginnen Sie mit der Seite, die die zu extrahierenden Daten enthält.

**2. Auto-Erkennung ausführen**

Octoparse scannt die Seite, erkennt wiederkehrende Datenbereiche und erzeugt Extraktionsfelder. Zudem versucht es, Paginierungs- oder „Nächste Seite“-Schaltflächen zu erkennen, damit die Aufgabe automatisch mehrere Ergebnisseiten durchlaufen kann.

**3. Erkannte Felder prüfen**

Prüfen Sie, ob die vorgeschlagenen Felder den benötigten Daten entsprechen.

**4. Seitennavigation bestätigen**

Prüfen Sie Paginierung, Scrollen oder Aktionen für die nächste Seite. Die Auto-Erkennung kann eine „Nächste Seite“-Schaltfläche oder ein Endlos-Scrollmuster erkennen – vergewissern Sie sich vor einer Ausführung im großen Umfang, dass es richtig funktioniert.

**5. Aufgabe testen**

Führen Sie einen Test aus und prüfen Sie die Ausgabe, bevor Sie die Extraktion skalieren.

## Was Sie nach der Erkennung prüfen sollten

Nachdem die Auto-Erkennung einen Workflow erzeugt hat, prüfen Sie Folgendes:

| Bereich | Zu prüfen | Behebung |
| - | - | - |
| Felder | Werden die richtigen Werte erfasst? | Element erneut auswählen oder XPath im Bereich „Datenvorschau“ anpassen |
| Feldnamen | Sind die Spaltennamen klar und aussagekräftig? | Felder vor dem Export umbenennen |
| Paginierung | Wechselt die Aufgabe korrekt zur nächsten Seite? | Schaltfläche für die nächste Seite oder Scrollaktion manuell festlegen |
| Detailseiten | Öffnet der Workflow bei Bedarf die Elementdetails? | Klickaktion zum Öffnen von Detailseiten hinzufügen |
| Duplikate | Sind wiederholte oder unerwünschte Elemente enthalten? | Unerwünschte Felder oder Zeilen im Bereich „Datenvorschau“ löschen |
| Fehlende Werte | Fehlen in manchen Zeilen wichtige Felder? | Felder im Bereich „Datenvorschau“ manuell hinzufügen |

## Bekannte Einschränkungen

Die Auto-Erkennung funktioniert am besten auf Seiten mit klaren, wiederkehrenden Datenstrukturen. In bestimmten Situationen kann sie unvollständige oder ungenaue Ergebnisse erzeugen:

| Situation | Mögliche Folge |
| - | - |
| Nicht standardmäßiges oder unregelmäßiges Seitenlayout | Felder werden möglicherweise falsch erkannt oder fehlen |
| Mit JavaScript gerenderte dynamische Inhalte | Daten, die erst nach dem ersten Rendering geladen werden, werden möglicherweise nicht erkannt |
| Websites mit Anti-Scraping-Maßnahmen (z. B. Indeed, LinkedIn) | Die Auto-Erkennung kann die Seite möglicherweise nicht laden oder analysieren |
| Komplexe verschachtelte Strukturen | Die erkannte Liste kann falsche oder doppelte Elemente enthalten |
| Falsches Feld erfasst | Das System kann Werbetext statt des tatsächlichen Werts erfassen (z. B. ein Rabattlabel statt des echten Preises) |

Ein häufiger Laufzeitfehler nach der Auto-Erkennung lautet **„\[Loop Item] failed to find current loop item, exiting loop now“**. Dies bedeutet meist, dass der erzeugte XPath nicht mehr mit den tatsächlichen Seitenelementen übereinstimmt. Eine erneute Auto-Erkennung oder die manuelle Anpassung des Selektors im No-Code-Builder behebt das Problem normalerweise.

## Wann eine manuelle Bearbeitung erforderlich ist

Manuelle Anpassungen können nötig sein, wenn:

* das Seitenlayout unregelmäßig ist
* wichtige Felder außerhalb der erkannten Liste liegen
* die Website Inhalte dynamisch lädt
* die Paginierung nicht richtig erkannt wird
* die Seite eine Anmeldung, Filter, Pop-ups oder Benutzerinteraktionen erfordert
* Sie Daten aus Detailseiten extrahieren müssen

Verfeinern Sie den erzeugten Workflow mit dem No-Code-Builder.

> [!WARNING]
>
> Gehen Sie nicht davon aus, dass die Ausgabe der Auto-Erkennung produktionsbereit ist. Prüfen Sie stets die Felder, führen Sie einen Test aus und kontrollieren Sie die exportierten Daten.

## Verwandte Seiten

> [card] [Vorlagen](https://www.octoparse.com/docs/de/templates/overview.md)
>
> Beginnen Sie mit einem vorgefertigten Workflow für gängige Websites.

> [card] [No-Code-Builder](https://www.octoparse.com/docs/de/desktop/no-code-builder.md)
>
> Passen Sie Workflows nach der Auto-Erkennung manuell an oder erstellen Sie sie selbst.

> [card] [Daten verfeinern](https://www.octoparse.com/docs/de/desktop/refine-data.md)
>
> Bereinigen und formatieren Sie extrahierte Felder vor dem Export neu.


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.