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.

Senior Java Developer

JOB Position: Java Developer Contract type: Contract Location: Bratislava, Košice, on-site Salary: 5000+ EURSuitable for the whole team.Primary Job Functions:Analyze and troubleshoot...

NetApp Admin

JOB Position: NetApp Admin Contract type: full-time Place of project: Homeoffice - remote with occasional visits to Germany, Slovakia – 5% onsite...

SCCM Specialist

Základné informáciePozícia: SCCM Specialist Pracovný pomer:  TPP, Živnosť Miesto práce: 95% Home-Office - 5% on-site Bratislava/Nemecko Plat: Medior od 2400+ EUR/Brutto/mesačne Senior od 4000+...

Jurior/Senior CRM ABAP Developer

Základné informáciePozícia:  CRM ABAP Developer Pracovný pomer:  TPP Miesto práce: Bratislava Plat: od 2000+ EUR/mesačneČo by si mal vedieť:aspoň 3-ročné skúsenosti...

Java Developer / Energerické odvetie / Košice

PRÁCA Pozícia: Java developer Pracovný pomer: TPP, Kontrakt Miesto práce: Košice, on-site Plat: Medior od 1.500 EUR Senior od 2.200 EUR FIRMA Odvetvie: Energetika Tím: 3-5 ľudí Firma: 70-80...

DBA Admin / 95% Home-Office – 5% on-site

Základné informáciePozícia: DBA Admin Pracovný pomer:  TPP, Živnosť Miesto práce: 95% Home-Office - 5% on-site - Bratislava/Nemecko Plat: od 2400 - 4000+...

Senior SAP Basis Consultant / 95% Home-Office – 5% on-site

Základné informáciePozícia: SAP Basis Consultant Pracovný pomer:  TPP, Živnosť Miesto práce: 95% Home-Office - 5% on-site Btaislava/Nemecko Plat: od 2.800+ EUR/Brutto/mesačne Jazyk: Nemecký...

Rozhovory s ITčkármi

Rozhovory s ITčkármi majú priblížiť IT svet z pohľadu tých, ktorí ho tvoria. Práve príbehy, skúsenosti a...

Živé IT projekty: V jednoduchosti je krása(a sila)

https://youtu.be/e9tBn75OXRUPredstav nám tvoj tím!

Kristína Lőrinczová: IT nepozná hranice, pokiaľ ste šikovní

Prezraď nám niečo o sebe! Pochádzam z južného Slovenska, z Komárna,...

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.