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.

React Senior Developer

Ak si React Developer, nedovoľ, aby ti uletel projekt z oblasti digitálneho bankovníctva.Ide o projekt na kontrakt s odmenou...

Java Technology Architect

Si skúsený Javista, ktorý má chuť viesť projekt digitálneho bankovníctva?Ide o prácu na kontrakt s odmenou od 5000-6000+ EUR/mesačne....

FrontEnd React.js Developer

Chceš pracovať na dlhodobom, technologicky inovatívnom projekte v oblasti prediktívneho modelovania?Pre spoločnosť, ktorá používa matematické metódy a metódy AI...

Mobile Tech Lead Developer

Máš rád svoju slobodu, pracuješ na projektoch, ideálne remote?Ide o kontrakt s odmenou 4000 - 5000+ Eur mesačne. Projekt...

Fronted Developer / Aplikácie pre diabetikov

Páčila by sa Ti zmysluplná práca na produkte - aplikácií, ktorá pomáha ľuďom s tým najcennejším, čo majú -...

Linux Admin

Pre spoločnosť, ktorá sa sa zaoberá hostingom webov a aktuálne rýchlo expanduje, hľadáme Linux Admina.Môžeš pracovať na kontrakt alebo...

Lead Developer Architect

Hľadáš istotu a stabilitu v zamestnaní? Medzinárodná spoločnosť, ktorá vyvíja finančný softvér hľadá Lead Developer Architect-a.Ide o prácu na...

.NET Bratislava Meetup #31

.NET Bratislava Meetup is a monthly meetup organized by .NET enthusiasts in Bratislava. Learn more at https://net-ba.github.io/ Meetup will...

Mária Masárová: V IT je potreba kontinuálneho vzdelávania veľmi dôležitá

Mária Masárová študuje posledný rok na VUT v Brne odbor Bioinformatika a biocomputing. Pracuje ako PHP a JavaScript developer...

Prvá LGBT+ digitálna banková platforma bola spustená v USA. Stojí za tým slovenský aktivista a EY technologický podnikateľ Matej Ftáčnik.

Daylight reaguje na finančné potreby viac ako 30 miliónov Američanov, ktorí sa hlásia k LGBT+ komunite. Táto prvá LGBT+...

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.