Octoparse

Integra Octoparse con los Dedicated ISP Proxies de Oxylabs para extracción de datos sin inconvenientes - configuración paso a paso dentro de los ajustes de tarea de Octoparse.

Octoparse es una herramienta de extracción de datos. Te permite raspar datos públicos sin programar y eludir la mayoría de los mecanismos anti-scraping al habilitar la rotación automática de IP y tiempos de sesión extendidos.

Para integrar Octoparse con Oxylabs Dedicated ISP Proxies si has comprado a través de autoservicio, sigue los pasos sencillos a continuación:

Paso 1. Descargar, instala y luego abre Octoparse.

Paso 2. Crea una nueva tarea haciendo clic en el +New botón en la esquina superior izquierda, y eligiendo 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 Save 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:puerto:usuario:contraseña.

Para Dedicated ISP Proxies, puedes usar:

IP/host: disp.oxylabs.io

Puerto: 8001

Username: user-USERNAME

Contraseña: y

El número de puerto indica qué dirección IP de tus lista de proxies adquiridas será usada. Usa el puerto 8000 para rotación de IP del proxy.

Asegúrate de añadir el user- parte a tu nombre de usuario.

Paso 7. Configura el Switch intervalo dependiendo de si estás usando IPs estáticas o un rotador de proxies.

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

Los proxies ya están configurados.

Cómo empezar a raspar usando Octoparse

Paso 1. Selecciona los elementos deseados (títulos de videojuegos) que quieres raspar. Para extraer todos los elementos de la misma categoría, elige Select all similar elements y especifica Text.

Paso 2. Configura la paginación para raspar múltiples páginas. Este sitio web en particular usa páginas numeradas, lo que te pide elegir Next page button.

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

Paso 4. Completa la configuración del scraping y presiona ▶Run.

Paso 5. Elige Run on your device con Standard Mode para recibir los datos como un archivo en tu PC.

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