Octoparse
Integra Octoparse con Proxies de Oxylabs para web scraping sin código. Configura la rotación automática de IP y resuelve los retos comunes del scraping.
Octoparse es una herramienta de extracción de datos. Te permite extraer datos públicos sin programar y gestionar la mayoría de los desafíos de scraping al habilitar la rotación automática de IP y un tiempo de sesión extendido.
Sigue los pasos a continuación para integrar Octoparse con los siguientes Proxies de Oxylabs:
Paso 1
Descarga, instala y luego abre Octoparse.
Paso 2
Crea una nueva tarea haciendo clic en el +New botón en la esquina superior izquierda y eligiendo Tarea personalizada.
Paso 3
Escribe la URL de la página web de la que quieres extraer datos en el campo de URL y haz clic en el Guardar botón. Usaremos sandbox de scraping de Oxylabs como ejemplo.
Paso 4
Después de que cargue la URL seleccionada, ve a "Configuración de tarea" y selecciona "Anti-bloqueo".
Paso 5
Ahora marca Acceder a sitios web mediante Proxies, habilita Usar mis propios Proxies, y haz clic en Configurar.
Paso 6
Cuando hagas clic en el Configurar botón, aparecerá una ventana emergente. Especifica los detalles del proxy elegido en el IP/host:port:username:password formato:
Proxies residenciales y Mobile Proxies
IP/host: pr.oxylabs.io
Port: 7777
Username: customer-username
Password: contraseña
No olvides añadir el customer- parte a tu nombre de usuario.
Datacenter Proxies
IP/host: dc.oxylabs.io
Port: 8001
Username: user-username
Password: contraseña
Para la Pay-per-IP suscripción, el puerto es el número secuencial asignado a una dirección IP de la lista dada. Por lo tanto, el puerto 8001 usa la primera dirección IP de tu lista.
Para la Pay-per-traffic suscripción, el puerto 8001 elige una dirección IP aleatoria pero se mantiene constante durante una sesión.
Dedicated Datacenter Proxies (Enterprise)
IP/host: una dirección IP específica (p. ej., 1.2.3.4)
Port: 60000
Username: username
Password: contraseña
Dedicated Datacenter Proxies (Self-service)
IP/host: ddc.oxylabs.io
Port: 8001
Username: user-username
Password: contraseña
No olvides añadir el user- parte a tu nombre de usuario.
ISP Proxies
IP/host: isp.oxylabs.io
Port: 8001
Username: user-username
Password: contraseña
No olvides añadir el user- parte a tu nombre de usuario.
Dedicated ISP Proxies
IP/host: disp.oxylabs.io
Port: 8001
Username: user-USERNAME
Password: PASSWORD
Nota: no olvides añadir el user- como prefijo a tu nombre de usuario.
Paso 7
Configura el Switch intervalo según si usas un tipo de sesión rotativa o persistente.
Paso 8
Guarda los cambios haciendo clic en el Confirmar botón y, después, haz clic en Guardar.
¡Tus Proxies ya están configurados!
Cómo empezar a hacer scraping 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 concreto usa páginas numeradas, por lo que debes 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 scraping y pulsa ▶Ejecutar.
Paso 5. Elige Ejecutar en tu dispositivo con Modo estándar 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 alcance la página final del producto o cuando lo detengas manualmente.
Paso 7. Extrae los datos recopilados y selecciona el formato de archivo.
Aquí está el resultado final en una hoja de cálculo.
Eso es todo: ya está todo configurado y listo para que te concentres en tus tareas de web scraping con Octoparse.
Última actualización
¿Te fue útil?