Octoparse

Integra Octoparse con Oxylabs ISP Proxies para extracción de datos sin interrupciones: configuración paso a paso dentro de los ajustes de tareas de Octoparse.

Octoparse es una herramienta de extracción de datos. Te permite extraer datos públicos sin programar y evitar la mayoría de los mecanismos antiescraping al habilitar la rotación automática de IP y un tiempo de sesión prolongado.

Para integrar Octoparse con Oxylabs ISP Proxies, sigue los sencillos pasos a continuación:

Paso 1. Descarga, instálalo y luego abre Octoparse.

Paso 2. Crea una nueva tarea haciendo clic en el +New botón en la esquina superior izquierda y seleccionando Custom Task.

Paso 3. Escribe la URL de la página web de la que deseas extraer datos en el URL Input y haz clic en el Guardar botón. Usaremos Oxylabs scraping sandbox como ejemplo.

Paso 4. Después de que se cargue la URL seleccionada, ve a Task Settings > Anti-blocking.

Paso 5. Ahora, marca Access websites via proxies, habilita Use my own proxies, y haz clic en Configure.

Paso 6. Cuando hagas clic en el Configure botón, aparecerá una ventana emergente. Especifica los detalles del proxy en el siguiente formato: IP/host:port:username:password.

Para ISP Proxies, puedes usar:

IP/host: isp.oxylabs.io

Puerto: 8001

Deberás elegir el puerto asignado a una dirección IP de las Proxies compradas lista de proxies, que puedes encontrar en el panel de Oxylabs. El 8001 puerto seleccionará la primera dirección IP de tu lista para todas las solicitudes.

Nombre de usuario: user-username

Contraseña: password

No olvides añadir la parte user- a tu nombre de usuario.

Paso 7. Configura el intervalo de Switch según si usas un tipo de sesión rotativa o persistente.

Paso 8. Guarda los cambios haciendo clic en el Confirm botón y, después, haz clic en Guardar.

Los proxies ya están configurados.

Cómo empezar a extraer datos usando Octoparse

Paso 1. Selecciona los elementos deseados (títulos de videojuegos) que quieres extraer. Para extraer todos los elementos de la misma categoría, elige Seleccionar todos los elementos similares y especifica Texto.

Paso 2. Configura la paginación para extraer varias páginas. Este sitio web en particular usa páginas numeradas, lo que te pide elegir Botón de la página siguiente.

Paso 3. Elige el botón exacto en el diseño de la página que abre la siguiente página – Adelante – para automatizar la paginación.

Paso 4. Completa la configuración de la extracción y pulsa ▶Run.

Paso 5. Elige Ejecutar en tu dispositivo con Standard Mode para recibir los datos como un archivo en tu PC.

Paso 6. Deja que el proceso de extracción se ejecute hasta completarse. El proceso terminará cuando se alcance la página final del producto o cuando lo detengas manualmente.