การขูดเว็บของ Google ชีต: คำแนะนำง่ายๆ สำหรับปี 2023

การขูดเว็บอาจเป็นเครื่องมือที่มีประสิทธิภาพในการดึงข้อมูลจากเว็บไซต์ แต่ก็อาจเป็นกระบวนการที่ซับซ้อนและใช้เวลานานเช่นกัน โชคดีที่ Google ชีตนำเสนอโซลูชันที่เป็นมิตรกับผู้ใช้สำหรับการคัดลอกข้อมูลจากเว็บไซต์โดยไม่จำเป็นต้องเขียนโค้ดที่ซับซ้อน ด้วยการใช้ประโยชน์จากพลังของ Google ชีต คุณสามารถดึงข้อมูลจากหน้าเว็บและวิเคราะห์ข้อมูลด้วยวิธีต่างๆ ได้อย่างง่ายดาย ในบล็อกนี้ ฉันจะแนะนำคุณตลอดกระบวนการใช้ Google ชีตเพื่อขูดหน้าเว็บและช่วยคุณปลดล็อกศักยภาพของการขูดเว็บสำหรับโครงการของคุณเอง เริ่มกันเลย!

การขูดเว็บอาจใช้เวลานาน ซับซ้อน และเกี่ยวข้องกับการเขียนโค้ดจำนวนมาก สำหรับผู้ที่ไม่ได้เขียนโค้ด Google ชีตเป็นทางเลือกที่ยอดเยี่ยมสำหรับการขูดเว็บ การขูดเว็บของ Google ชีตไม่ต้องเขียนโค้ดและมีวิธีมากมายในการวิเคราะห์ข้อมูลเว็บไซต์

ในบล็อกนี้เราจะดูวิธีใช้ Google ชีตเพื่อขูดหน้าเว็บอย่างง่ายดาย เริ่มกันเลย!

เหตุใดจึงต้องใช้ Google ชีตสำหรับการขูดเว็บ

มีเหตุผลหลายประการที่ทำให้ Google ชีตเป็นเครื่องมือที่ยอดเยี่ยมสำหรับการขูดเว็บ:

• Google ชีตใช้งานง่ายและมีอินเทอร์เฟซที่คุ้นเคย
• ไม่จำเป็นต้องมีความรู้ด้านภาษาโปรแกรม
• Google ชีตสามารถเข้าถึงได้จากทุกที่
• Google ชีตใช้งานได้ฟรี ทำให้ราคาไม่แพงสำหรับบุคคลทั่วไปและธุรกิจขนาดเล็ก
• Google ทำงานร่วมกับเครื่องมือ Suite อื่นๆ ได้อย่างง่ายดาย
• คุณสามารถใช้มาโครหรือสคริปต์เพื่อทำงานการขูดเว็บโดยอัตโนมัติ
• คุณสามารถวิเคราะห์ข้อมูลที่คัดลอกมาได้อย่างง่ายดายโดยใช้สูตรของ Google ชีต

---

แยกข้อความจากหน้าเว็บใดก็ได้ในคลิกเดียว ตรงไปที่ Nanonets มีดโกนเว็บไซต์, เพิ่ม URL แล้วคลิก “ขูด” และดาวน์โหลดข้อความหน้าเว็บเป็นไฟล์ทันที ทดลองใช้ฟรีตอนนี้

‌

---

‌

ฟังก์ชั่นใดที่จะใช้สำหรับ Google Sheets Web Scraping

ต่อไปนี้คือฟังก์ชันบางอย่างที่คุณอาจใช้เมื่อต้องการขูดหน้าเว็บโดยใช้ Google ชีต

นำเข้าHTML:

แยกตารางและรายการออกจากหน้า HTML

=IMPORTHTML(url, query, index)

• url: นี่คือลิงค์ของหน้าเว็บที่คุณต้องการคัดลอก
• คิวรี: ชนิดข้อมูล – ตาราง รายการ
• ดัชนี: หากคุณต้องการแยกตารางเฉพาะ คุณสามารถใช้สิ่งนี้ได้

ตัวอย่าง:

=IMPORTHTML("https://en.wikipedia.org/wiki/List_of_countries_by_GDP_(nominal)","table",1)

อิมพอร์ตเอ็กซ์เอ็มแอล:

แยกข้อมูลจากหน้า XML

=IMPORTXML(url, xpath_query)

• url: นี่คือลิงค์ไปยังหน้าเว็บที่คุณต้องการคัดลอก
• xpath_query: นิพจน์ XPath ที่ระบุข้อมูลที่คุณต้องการแยก

ตัวอย่าง:

=IMPORTXML("https://www.w3schools.com/xml/note.xml", "//note/to")

ข้อมูลนำเข้า:

แยกข้อมูลจากไฟล์ CSV และ TSV

=IMPORTDATA(url)

• url: URL ของไฟล์ CSV หรือ TSV ที่คุณต้องการดึงข้อมูลออกมา

ตัวอย่าง:

=IMPORTDATA("https://www.stats.govt.nz/assets/Uploads/Annual-enterprise-survey/Annual-enterprise-survey-2021-financial-year-provisional/Download-data/annual-enterprise-survey-2021-financial-year-provisional-size-bands.csv")

REGEXEXTRACT:

ฟังก์ชันนี้สามารถแยกข้อมูลที่ตรงกับรูปแบบนิพจน์ทั่วไป

=REGEXEXTRACT(text, regular_expression)

• ข้อความ: ข้อความที่คุณต้องการค้นหารูปแบบ
• Regular_expression: รูปแบบที่คุณต้องการจับคู่

ตัวอย่าง:

=REGEXEXTRACT("1 pound = $1.40", "$d+.d+")

หมายเหตุ: ฟังก์ชันเหล่านี้อาจใช้ไม่ได้กับทุกเว็บไซต์ ขึ้นอยู่กับเค้าโครงของเว็บไซต์ ในกรณีที่คุณต้องการข้อมูลเพิ่มเติม คุณสามารถใช้บทช่วยสอนการขูดเว็บโดยใช้ Python และ Java หรือใช้เครื่องมือเปลี่ยนเว็บไซต์เป็นข้อความ เช่น Nanonets

มาลองแยกตาราง HTML ลงใน Google ชีต เราจะพยายามขูดตารางจาก รายชื่อภาพยนตร์ที่ได้รับรางวัล Academy หน้า Wikipedia

1. เปิด Google ชีต
2. ในเซลล์ใหม่ ให้พิมพ์ =IMPORTHTML(url, query, index)

1. รหัสของเราจะกลายเป็น

 =IMPORTHTML("https://en.wikipedia.org/wiki/List_of_Academy_Award-winning_films","table",1) 

=IMPORTHTML(“https://th.wikipedia.org/wiki/List_of_Academy_Award-winning_films”,”ตาราง”,1)

จะขูดตารางแรกในหน้าวิกิพีเดีย

3. ตรวจสอบผลลัพธ์

จะขูดข้อมูลโดยใช้การขูดเว็บของ Google ชีตได้อย่างไร

มาดูวิธีขูดชื่อ คำอธิบาย H1 และอื่นๆ โดยใช้ Google ชีต เพื่อเริ่มต้นกับการขูด H1 ด้วย Google ชีต เราจะใช้ฟังก์ชัน IMPORTXML สำหรับสิ่งนี้โดยเฉพาะ หน้านาโนเน็ต. นี่คือขั้นตอน:

• เปิด Google ชีตใหม่หรือที่มีอยู่
• ในเซลล์ ให้พิมพ์สูตรต่อไปนี้:

=IMPORTXML(“https://nanonets.com/image-to-text”, “//h1/text()”)

• ในการแยกแท็ก H1 ให้ใช้นิพจน์ XPath ต่อไปนี้: //h1/text()
• หากต้องการแยกแท็กชื่อ ให้ใช้นิพจน์ XPath ต่อไปนี้: //title/text()
• หากต้องการแยกแท็กคำอธิบายเมตา ให้ใช้นิพจน์ XPath ต่อไปนี้: //meta[@name='description']/@content
• หากต้องการแยกลิงก์ของเพจทั้งหมด ให้ใช้นิพจน์ XPath ต่อไปนี้: //a/@href

กด Enter แล้ว Google ชีตจะขูดข้อมูลโดยอัตโนมัติและแสดงในเซลล์ที่เลือก

จากนั้นคุณสามารถคัดลอกสูตรไปยังเซลล์อื่นเพื่อคัดลอกข้อมูลเพิ่มเติมจากหน้าเว็บเดียวกันหรือหน้าเว็บอื่น

---

แยกข้อความจากหน้าเว็บใดก็ได้ในคลิกเดียว ตรงไปที่ Nanonets มีดโกนเว็บไซต์, เพิ่ม URL แล้วคลิก “ขูด” และดาวน์โหลดข้อความหน้าเว็บเป็นไฟล์ทันที ทดลองใช้ฟรีตอนนี้

‌

---

ข้อเสียของการใช้ Google Sheets Web Scraper คืออะไร

• Google ชีตมีความสามารถจำกัด เมื่อพูดถึงเค้าโครงที่ซับซ้อน จะไม่สามารถจัดการกับเนื้อหาไดนามิกได้
• อาจมีความคลาดเคลื่อนของข้อมูลเมื่อทำการขูดข้อมูลโดยใช้สูตรการขูดเว็บของ Google ชีต
• เมื่อคัดลอกข้อมูลจากเว็บไซต์ คุณอาจคัดลอกข้อมูลที่ละเอียดอ่อนหรือเป็นความลับโดยไม่ได้ตั้งใจ ซึ่งอาจทำให้เกิดความกังวลด้านความเป็นส่วนตัวและความปลอดภัย โดยเฉพาะอย่างยิ่งหากข้อมูลที่คัดลอกมาถูกแชร์หรือเก็บไว้ในตำแหน่งที่ไม่ปลอดภัย

เคล็ดลับ: การขูดเว็บของ Google ชีตเป็นทางเลือกที่ยอดเยี่ยมสำหรับงานการขูดเว็บที่ไม่ซับซ้อน เช่น ชื่อเมตา รายการ หรือการดึงข้อมูลตาราง สำหรับงานที่ซับซ้อน คุณควรใช้เครื่องมือขูดเว็บ

คำถามที่พบบ่อย

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
• ที่มา: https://nanonets.com/blog/scrape-websites-using-google-sheets-formulas/