RastrearNScrape

Mick Dawdy

Información de la aplicación

¿Qué es CrawlNScrape?
CrawlNScrape facilita el rastreo a través de Internet, siguiendo enlaces de un sitio web a otro, mirando aquí y allá, obteniendo una introducción al rastreo ético de Internet y al raspado de HTML. Este es un verdadero rastreo a través de facetas desconocidas y quizás desconocidas de Internet.

CrawlNScrape le permite visitar sitios web arbitrarios para extraer cualquier información que pueda encontrarse allí: bits técnicos como detalles del código HTML, imágenes, ícono, autor, descripción, palabras clave, metadatos, datos de formularios, medios y, especialmente, direcciones IP, direcciones geográficas. Ubicaciones y enlaces, y sobre todo, enlaces a otros sitios web.

Con CrawlNScrape, el rastreo web está bajo su control. A un rastreador web típico, como un robot de Google, se le proporciona un conjunto de “sitios semilla” y se le permite rastrearlos y rastrearlos. Con CrawlNScrape, usted es el bot y CrawlNScrape es su herramienta para rastrear y raspar. Usted controla la elección del sitio semilla, qué sitios visitará y qué datos extraerá.

Si está interesado en el rastreo de Internet y el raspado de sitios web, debería disfrutar trabajando con esta aplicación. Puede resultar tedioso hasta que se familiarice con cómo Seleccionar | Copiar | Pega en tu dispositivo cómo usar The Stack, ¡hasta que te acomodes al ritmo de rastreo! y hasta que descubra qué sitios web son “buenas semillas” para sus intereses particulares, preferiblemente aquellos con muchos enlaces externos.

Scraping ético de HTML...
El rastreador web debe respetar las reglas establecidas por robots.txt. CrawlNScrape le brinda las herramientas para trabajar de esta manera. El scraping de HTML es como cualquier otra herramienta: puedes usarlo para cosas buenas y para cosas malas. Que el scraping de HTML en sí mismo no sea ilegal no significa que puedas scrapear cualquier sitio que desees. Algunos sitios prohíben explícitamente la extracción de datos a través del archivo robots.txt o su página de Términos de servicio. CrawlNScrape le brinda las herramientas para descargar y estudiar el archivo robots.txt, de modo que pueda elegir visitar o no sitios individuales y extraer o no varias carpetas y archivos, según corresponda.

¡La Web Profunda!
Con CrawlNScrape puede recopilar URL de páginas de las que desee extraer el código HTML y los datos. Con Deep Crawling la idea es buscar enlaces en cualquier página web, especialmente enlaces a otros sitios web. Luego explore esos sitios para obtener más enlaces a otros países o a cualquier lugar. Luego continúe, cada vez más profundamente, en la World Wide Web.

Desde la vista inicial, CrawlNScrape tiene lecciones prácticas e introductorias para comenzar. Además, descubrirá que puede salir a cualquier otra aplicación, como Google Maps, Google Search, un editor de texto y su navegador favorito, luego regresar a CrawlNScrape mientras mantiene sus "migas de pan" intactas en The Stack, para que pueda ir a donde quiera que esté. es un lugar para ir y explorar todo lo que allí se puede encontrar, con la confianza de que podrás regresar allí nuevamente.

¡Una vista previa está disponible aquí y ahora mismo!
Este rastreo introductorio comienza con una descripción general de las opciones del menú de CrawlNScrape para que comprenda la estructura y el flujo de la aplicación. Luego inicia un rastreo en https://www.example.com en Phoenix, Arizona, Estados Unidos y recorre Internet hasta Estocolmo, Suecia. Después, tal vez podrías planear unirte al Open Test Group y continuar esta gira por Estocolmo, Suecia; Londres, Inglaterra; Dublín, Irlanda; y, bueno, a donde sea…
…para ver lo que puedes ver

Siga este enlace para empezar…
https://mickwebsite.com/MMWebSite/IntroductoryCrawl.html

Mick
[e-mail]