ja.som.it Startup WEB EXTRACTION - Extrakcia dát z webu

WEB EXTRACTION – Extrakcia dát z webu

Viacero ľudí, či už z odbornej praxe alebo pre rôzne iné účely navštevuje pravidelne webové stránky za účelom zistenia si informácií. Môžu si vytvárať rôzne štatistiky, zbierajú dáta z rôznych domén a podôb do jednej, prehľadnejšej podoby a pod.

Samotná aktivita, ktorá spočíva v pravidelnom a opakujúcom sa vyhľadávaní je pomerne otravná a zaberá zbytočný čas a energiu. Tento fakt bol pre náš tím motiváciou. Vyvinúť aplikáciu, ktorá by spomenutú aktivitu automatizovala, čím by sa ušetrilo množstvo času a energie používateľom.

Aké riešenie ponúkame?

Pri návrhu riešenia sa dbalo na fakt, aby službu mohli používať aj menej skúsení používatelia, no na druhej strane, aby ponúkla funkcionalitu aj používateľom skúsenejším, či náročnejším. Náš systém automaticky, na základe používateľom definovaných intervalov sťahuje dáta zo stránok podľa vopred definovaného skriptu. Skladá sa z dvoh základných častí, a to webovej aplikácie a rozšírenia do prehliadača Google Chrome.

Webová aplikácia poskytuje správu používateľov (prihlásenia a registráciu), manažment projektov používateľa (projekty predstavujú určitú doménu, do ktorej sa extrahované dáta zaraďujeme), zahŕňajúci definíciu a správu dátových polí. Okrem toho aplikácia poskytuje prehľad vykonaných extrakcií, spolu so štatistickými informáciami a výsledným stavom extrakcie. Dáta získané počas extrakcie sú tak isto k dispozícií, pričom používateľ si ich môže aj stiahnuť pomocou API alebo vo formáte CSV.

Príklad rozhrania webovej aplikácie

Rozšírenie do prehliadača Chrome pokytuje rozhranie, ktorým si používateľ pre požadovanú stránku zvolí elementy, ktoré chce extrahovať. Dáta, ktoré záska je možné po extrahovaní spracovať pomocou post-procesorov (napr. vykonať vnorenú extrakciu, vyčistiť text od prebytočných znakov na začiatku a na konci a pod.)

Ukážka rozhrania rozšírenia do prehliadača Google Chrome

Porovnanie s alternatívami

Oproti už existujúcim riešeniam náš systém ponúka už skôr spomenutú možnosť plánovania extrakcií (pravidelne sa opakujúce extrahovanie), zobrazenie výsledkov v prehľadných tabuľkách, podľa definovaných polí daného projektu a najmä možnosť využiť pre získanie dát API alebo CSV formát.

Ďalšým pozitívom je základná myšlienka, ktorá sprevádza projekt od začiatku a to je kladenie dôrazu na použiteľnosť. Ponúkaný systém je vhodný pre rôzne typy používateľov a nevyžaduje podrobnú znalosť problematiky extrakcie dát.

Kto sme?

Náš tím s názvom WebX at FIIT STU (WebX = Web eXtraction) tvorí partia 7 študentov (Ján Brechtl, Tomáš Juhaniak, Martin Kalužník, Rastislav Krchňavý, Michal Kren, Martin Lacek a Andrej Vaculčiak), z ktorých každý sa zameriava na svoju špecifickú oblasť záujmu (od sietí, cez server administrátora, developerov, až po front-end developera web aplikácií). Pomiešanie tejto zmesi rôznych zameraní z nás ale vytvorilo dobre fungujúci tím, v ktorom každý vie, aká je jeho úloha. Spojili sme svoje sily a vydali sa na cestu riešenia pomerne aktuálneho problému.

V prípade, že sa chcete o našom projekte dozvedieť viac, môžete nás kontaktovať buď


Dobrý článok? Chceš dostávať ďalšie?

Už viac ako 6 200 ITečkárov dostáva správy e-mailom. Nemusíš sa báť, nie každé ráno. Len občasne.



Súhlasím so spracovaním mojich osobných údajov. ( Viac informácií. )

Tvoj email neposkytneme 3tím stranám. Posielame naňho len informácie z robime.it. Kedykoľvek sa môžeš odhlásiť.

TP Cup
TP Cuphttp://www.fiit.stuba.sk/tp-cup/index.html
Prestížna súťaž TP Cup dáva študentom inžinierskeho štúdia FIIT v Bratislave príležitosť preukázať svoje schopnosti pri tvorbe jedinečných riešení v rámci predmetu, v ktorom sa v tíme dva semestre vytvára riešenie problému spojeného s odborom, ktorý študenti študujú.

Windows Admin

Predajca prémiových nemeckých áut hľadá do tímu Windows administrátora, ktorý by viedol infraštruktúrne projekty v Česku a na Slovensku. Práca...

Angular Medior Developer / Aplikácie pre pacientov

Chceš posunúť svoje Frontend schopnosti na nový level. Táto IT spoločnosť, ktorá sa špecializuje na zdravotníctvo hľadá Angular Developera. Práca...

Medior SalesForce Developer / Consultant – REMOTE

Nový projekt, noví ľudia, lepšie podmienky? Ak Ti to znie lákavo, porozmýšľaj o práci pre medzinárodnú IT spoločnosť v...

IT Architekta pre FE riešenia

Chceš stabilné zamestnanie, vychutnávať si skvelý kolektív a mať priestor na realizáciu svojich riešení? Pre spoločnosť pôsobiacu v energetike...

Data Scientist / REMOTE

Pre mladý startup vyvíjajúci softvér, ktorý prispieva hráčom k lepšiemu zážitku z hrania, hľadáme Data Scientist. Založili ho dvaja...

FullStack PHP Developer

Chcel by si dlhodobú spoluprácu, dobré pracovné podmienky, seriózny prístup? Hľadáme FullStack PHP Developera pre spoločnosť, ktorá sa zaoberá...

Java Software Architect

Mrháš svojim talentom? Urob prvý krok a zistí čo Ti dnešok ponúka. Medziiným aj prácu v medzinárodnej IT spoločnosti,...

Jakub Lajmon – IT-čkár, ktorý mieri do vesmíru

Začal programovať ako 12-ročný na gymnáziu v Trstenej, študoval softvérové inžinierstvo a manažment služieb v Brne, založil firmu IN...

Živé IT projekty: Foodge

Živé IT projekty sú jedinečným vzdelávacím projektom spolupráce univerzít s priemyselnou praxou pod záštitou Katedry počítačov a informatiky FEI...

Ako sa stať testerom

Chceš si vyskúšať prácu testera? Rád by si videl, čo všetko práca testera obnáša a aké všetky typy testov a...

Čítaj ďalej:

Dobrý článok? Chceš dostávať ďalšie?

Už viac ako 6 200 ITečkárov dostáva správy e-mailom. Nemusíš sa báť, nie každé ráno. Len občasne.

Súhlasím so spracovaním mojich osobných údajov. ( Viac informácií. )

Tvoj email neposkytneme 3tím stranám. Posielame naňho len informácie z robime.it. Kedykoľvek sa môžeš odhlásiť.