Skip to main content
I dati grezzi ottenuti dallo scraping raramente sono subito pronti per l’uso. Octoparse consente di perfezionare i campi estratti prima dell’esportazione, in modo da pulire il testo, riorganizzare i valori, rimuovere i caratteri indesiderati ed estrarre solo la parte necessaria di un campo. Se viene estratto l’elemento sbagliato, correggi prima la selezione del campo. Se è selezionato l’elemento giusto ma il formato del valore è disordinato, usa le regole di perfezionamento.

​
Scenari gestiti

Pulire valori disordinati

Rimuovi, sostituisci, elimina spazi o riformatta il testo prima dell’esportazione.

Estrarre parte di un valore

Usa regole di corrispondenza o espressioni regolari per conservare solo lo schema di testo necessario.

Uniformare i dati tra le righe

Aggiungi prefissi, rimuovi testo ripetuto o normalizza i valori incoerenti tra le righe.

Riformattare date e timestamp

Converti formati di data, date relative, timestamp Unix o differenze di fuso orario in un risultato coerente.
Esempi comuni:
  • Rimozione di etichette come Prezzo: o Valutazione:
  • Sostituzione di caratteri indesiderati o spazi in eccesso
  • Aggiunta di un prefisso o suffisso a ciascun valore
  • Riformattazione delle date o conversione dei fusi orari
  • Decodifica delle entità HTML in testo normale

​
Accedere a Pulisci dati

1

Seleziona il campo

Nell’Anteprima dei dati o nell’elenco dei campi, seleziona il campo estratto da pulire.
2

Apri il menu del campo

Fai clic sul menu ... del campo.
3

Scegli Pulisci dati

Seleziona Pulisci dati per aprire il Flusso di lavoro di Pulizia dei dati.
4

Aggiungi un passaggio di pulizia

Fai clic su Aggiungi passaggio, quindi scegli l’operazione da applicare.
5

Visualizza l'anteprima del risultato

Controlla il valore dell’anteprima prima di salvare la regola.

​
Operazioni di perfezionamento comuni

Una stringa è una sequenza di caratteri: può essere una parola, un numero, uno spazio, un simbolo o un segno di punteggiatura. Una stringa vuota non contiene alcun carattere. Per esempio, sostituire un valore con una stringa vuota equivale a rimuoverlo dal risultato.

​
Usare le espressioni regolari per la pulizia basata su schemi

Le espressioni regolari sono utili quando il valore segue uno schema ma non può essere pulito in modo affidabile mediante semplici regole di sostituzione o eliminazione degli spazi:
  • Estrarre un numero o un prezzo all’interno di una frase
  • Trovare il testo prima o dopo un delimitatore noto, per esempio :, | o -
  • Conservare solo una parte del valore di un attributo HTML
  • Rimuovere schemi che si ripetono in modo diverso tra le righe
  • Isolare una sottostringa da un valore che varia leggermente da una pagina all’altra
Puoi accedere allo strumento per le espressioni regolari dal Flusso di lavoro Pulisci dati o dall’area Strumenti nella barra laterale sinistra. Octoparse include anche un generatore di espressioni regolari basato sull’AI: descrivi in linguaggio naturale ciò che vuoi estrarre e lo strumento genera lo schema, senza dover scrivere manualmente l’espressione. Per un elenco completo di schemi e sintassi, consulta il promemoria delle espressioni regolari per l’estrazione dei dati nel Centro assistenza.
Usa le espressioni regolari solo quando le regole di pulizia più semplici non sono sufficienti. Per le operazioni di base, sostituzione, eliminazione degli spazi, prefisso e suffisso sono più facili da gestire.

​
Esempio: estrarre un valore da un attributo

Alcuni siti memorizzano dati utili negli attributi anziché nel testo visibile. Una valutazione, per esempio, può trovarsi in un attributo immagine come alt="5 stelle" oppure in un valore di origine come src.
1

Seleziona l'elemento

Seleziona l’elemento che contiene il valore necessario, per esempio un’icona di valutazione o un blocco di testo.
2

Scegli il valore di origine

Usa opzioni come URL immagine, OuterHTML o Altri attributi, in base alla posizione in cui è memorizzato il valore.
3

Personalizza il campo

Apri il menu del campo e scegli Personalizza campo o Pulisci dati.
4

Estrai il valore di destinazione

Seleziona l’attributo pertinente oppure usa un’espressione regolare per trovare la parte di HTML da conservare.
5

Controlla l'anteprima prima di salvare

Verifica che l’anteprima mostri il valore previsto prima di eseguire l’Attività.

​
Limiti del perfezionamento dei campi

Le regole di perfezionamento puliscono il valore già estratto da Octoparse. Non modificano la struttura della pagina web. Per esempio, se un blocco di testo su più righe appare visivamente suddiviso, ma nel codice sorgente della pagina costituisce un singolo elemento, Octoparse può trattarlo come un unico campo. In questo caso, potrebbe non essere possibile dividerlo in campi distinti solo in base alle interruzioni di riga visive. Controlla la struttura del codice sorgente e usa la selezione dei campi, le impostazioni di estrazione o la pulizia mediante espressioni regolari a seconda di come sono effettivamente memorizzati i dati.
Se non è possibile separare un valore perché il sito lo memorizza come singolo elemento, la Pulizia dei dati potrebbe non essere sufficiente. Potrebbe essere necessario modificare l’elemento selezionato, ispezionare l’HTML o estrarre un valore di origine diverso.

​
Procedure consigliate

  • Perfeziona i campi dopo aver verificato che sia selezionato l’elemento corretto.
  • Usa passaggi di pulizia semplici prima di provare le espressioni regolari.
  • Visualizza l’anteprima di ogni passaggio prima di salvare.
  • Usa nomi dei campi chiari per rendere comprensibili i dati esportati.
  • Evita una pulizia eccessiva se il sistema a valle può occuparsi della formattazione in un secondo momento.
  • Documenta gli schemi complessi delle espressioni regolari affinché i membri del team possano gestire l’Attività.