Lista de funciones de análisis

Descubre la lista completa de funciones compatibles con Custom Parser: regex, XPath, CSS y más.

Puedes encontrar ejemplos de uso de cada función en la Ejemplos de funciones de parsing página.

Cómo pasar argumentos

Cada función recibe su configuración a través de _args. Se usan dos formas, y no son intercambiables:

Forma	Funciones	Ejemplo
Arreglo - uno o más valores entre corchetes	xpath, xpath_one, css, css_one, regex_find_all, regex_search, regex_substring	"_args": ["//h4/text()"]
Valor único - sin corchetes	join, select_nth	"_args": 0 · "_args": " "

Para las funciones selector y RegEx, el arreglo también le permite listar expresiones de respaldo: la siguiente se prueba cuando la anterior no encuentra nada. Las funciones sin configuración (element_text, amount_from_string, length, max, …) no toman _args nada en absoluto.

Usar la forma incorrecta no hace fallar la tarea: el campo vuelve null, parse_status_code es 12005, y _warnings contiene argumentos recibidos de tipo no válido arreglo (o cadena).

Procesamiento de HTML

element_text

• Nombre: element_text
• Descripción: Extrae texto de html. Elimina los espacios en blanco iniciales y finales.
• Argumentos: no aplica
• Tipos de entrada válidos: html
• Tipos de salida esperados: cadena

xpath

• Nombre: xpath
• Descripción: Ejecuta una expresión XPath sobre el valor de entrada dado. Si la ejecución no produce un resultado, se usa la siguiente expresión del arreglo. Las funciones XSLT pueden usarse en las expresiones. Se admite XPath versión 1.0. Se admite XSLT versión 1.0.
• Argumentos:

  • xpath_expressions

    • Tipo: [cadena]
    • Requerido: true
• Tipos de entrada válidos:

  • html
• Tipos de salida esperados:

  • [cadena]
  • [html]
  • cadena
  • flotante
  • booleano

xpath_one

• Nombre: xpath_one
• Descripción: Funciona de la misma manera que xpath, pero devuelve solo el primer valor aunque se seleccione más de un valor mediante el XPath proporcionado.
• Argumentos:

  • xpath_expressions

    • Tipo: [cadena]
    • Requerido: true
• Tipos de entrada válidos:

  • html
• Tipos de salida esperados:

  • cadena
  • html
  • cadena
  • flotante
  • booleano

css

• Nombre: css
• Descripción: Ejecuta una expresión CSS sobre el valor de entrada dado. Si la ejecución no produce un resultado, se usa la siguiente expresión del arreglo. Tenga en cuenta que la salida de la css función siempre es un arreglo JSON que contiene elementos HTML (incluidas las etiquetas de apertura y cierre). Si le interesa extraer el contenido del elemento, puede ejecutar la element_text función después.
• Argumentos:

  • css_expressions

    • Tipo: [cadena]
    • Requerido: true
• Tipos de entrada válidos:

  • html
• Tipos de salida esperados:

  • [elemento_html]

css_one

• Nombre: css_one
• Descripción: Funciona de la misma manera que css, pero devuelve solo el primer valor aunque se seleccione más de un valor mediante la expresión CSS proporcionada. Tenga en cuenta que la salida de la css_one función siempre es un elemento HTML (incluidas las etiquetas de apertura y cierre). Si le interesa extraer el contenido del elemento, puede ejecutar la element_text función después.
• Argumentos:

  • css_expressions

    • Tipo: [cadena]
    • Requerido: true
• Tipos de entrada válidos:

  • html
• Tipos de salida esperados:

  • elemento_html

Manipulación de cadenas

amount_from_string

• Nombre: amount_from_string
• Descripción: Encuentra la primera aparición de un valor numérico en una cadena y lo convierte en un flotante.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • cadena
• Tipos de salida esperados:

  • flotante

amount_range_from_string

• Nombre: amount_range_from_string
• Descripción: Encuentra todas las apariciones de valores numéricos en una cadena y las convierte en flotantes.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • cadena
• Tipos de salida esperados:

  • [flotante]

join

• Nombre: join
• Descripción: Une una lista de cadenas en una sola cadena. Los valores unidos se separan por el separador valor.
• Argumentos:

  • separador

    • Tipo: cadena
    • Requerido: false
    • Predeterminado: ""
• Tipos de entrada válidos:

  • [cadena]
• Tipos de salida esperados:

  • cadena

regex_find_all

• Nombre: regex_find_all
• Descripción: Encuentra todas las cadenas que coinciden con una expresión RegEx dada.
• Argumentos:

  • regex_pattern

    • Tipo: cadena
    • Requerido: true
• Tipos de entrada válidos:

  • cadena
• Tipos de salida esperados:

  • [cadena]

regex_search

• Nombre: regex_search
• Descripción: Encuentra una cadena que coincide con la expresión RegEx dada. Devuelve el grupo de coincidencia especificado (por defecto 0).
• Argumentos:

  • regex_pattern

    • Tipo: cadena
    • Requerido: true
  • group_to_return

    • Tipo: entero
    • Requerido: false
    • Predeterminado: 0
• Tipos de entrada válidos:

  • cadena
• Tipos de salida esperados:

  • cadena

regex_substring

• Nombre: regex_substring
• Descripción: Reemplaza cada parte de la cadena de entrada que coincide con la expresión RegEx dada con el replacement valor. Las referencias inversas a grupos de captura (p. ej., \\1) se admiten en el reemplazo; un reemplazo vacío elimina las coincidencias.
• Argumentos:

  • regex_pattern

    • Tipo: cadena
    • Requerido: true
  • replacement

    • Tipo: cadena
    • Requerido: true
• Tipos de entrada válidos:

  • cadena
• Tipos de salida esperados:

  • cadena

Comunes

length

• Nombre: length
• Descripción: Obtiene la longitud del arreglo. Si se proporciona un arreglo multidimensional como entrada, la función trabajará sobre el arreglo más interno.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • [arreglo_unidimensional]
• Tipos de salida esperados:

  • entero

select_nth

• Nombre: select_nth
• Descripción: Devuelve el elemento n-ésimo del arreglo. Se usa indexación basada en cero. Admite índices negativos para seleccionar el último (-1), penúltimo (-2), … elemento de un arreglo.
• Argumentos:

  • índice

    • Tipo: entero
    • Requerido: true
• Tipos de entrada válidos:

  • [CualquierTipo]
• Tipos de salida esperados:

  • CualquierTipo

convert_to_float

• Nombre: convert_to_float
• Descripción: Convierte una cadena o un entero a un flotante.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • cadena
  • entero
• Tipos de salida esperados:

  • flotante

convert_to_int

• Nombre: convert_to_int
• Descripción: Convierte una cadena o un flotante a un entero.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • cadena
  • flotante
• Tipos de salida esperados:

  • entero

convert_to_str

• Nombre: convert_to_str
• Descripción: Convierte un entero o un flotante a una cadena.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • entero
  • flotante
• Tipos de salida esperados:

  • cadena

Matemáticas

average

• Nombre: average
• Descripción: Calcula el promedio de los valores en un arreglo.
• Argumentos:

  • round_precision

    • Tipo: entero
    • Requerido: false
• Tipos de entrada válidos:

  • [entero]
  • [flotante]
• Tipos de salida esperados:

  • flotante

max

• Nombre: max
• Descripción: Encuentra el valor mayor en un arreglo.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • [flotante]
  • [entero]
• Tipos de salida esperados:

  • flotante
  • entero

min

• Nombre: min
• Descripción: Encuentra el valor menor en un arreglo.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • [flotante]
  • [entero]
• Tipos de salida esperados:

  • flotante
  • entero

product

• Nombre: product
• Descripción: Devuelve el producto de multiplicación de todos los valores del arreglo.
• Argumentos: no aplica
• Tipos de entrada válidos:

  • [flotante]
  • [entero]
• Tipos de salida esperados:

  • flotante
  • entero