അടിസ്ഥാന വെബ് സ്ക്രാപ്പിംഗിനായി ഗൂഗിൾ ഷീറ്റുകൾ ഉപയോഗിക്കുന്നതിനുള്ള ഗൈഡ്

ഡാറ്റാധിഷ്ഠിതമായ ഇന്നത്തെ ലോകത്ത്, വിവരങ്ങൾ ഒരു ശക്തിയാണ്, വെബിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗപ്പെടുത്തുന്നത് അത്യാവശ്യമായ ഒരു വൈദഗ്ധ്യമായി മാറിയിരിക്കുന്നു. വ്യാപകമായി ഉപയോഗിക്കുന്ന സ്പ്രെഡ്ഷീറ്റ് ഉപകരണമായ Google ഷീറ്റ്സ്, IMPORTXML എന്ന ശക്തമായ സവിശേഷത വാഗ്ദാനം ചെയ്യുന്നു, ഇത് വെബ്‌സൈറ്റുകളിൽ നിന്ന് ഡാറ്റ സ്‌ക്രാപ്പ് ചെയ്യാനും നിങ്ങളുടെ സ്‌പ്രെഡ്‌ഷീറ്റുകളിലേക്ക് നേരിട്ട് ഇറക്കുമതി ചെയ്യാനും നിങ്ങളെ അനുവദിക്കുന്നു. ഈ സമഗ്രമായ ഗൈഡിൽ, അടിസ്ഥാന ആവശ്യങ്ങൾക്കായി Google ഷീറ്റ് ഉപയോഗിക്കുന്ന പ്രക്രിയയിലൂടെ ഞങ്ങൾ നിങ്ങളെ നയിക്കും. വെബ് സ്ക്രാപ്പിംഗ്, വിലപ്പെട്ട ഡാറ്റ അനായാസം ശേഖരിക്കാൻ നിങ്ങളെ പ്രാപ്തരാക്കുന്നു.

XML, HTML എന്നിവ ഇറക്കുമതി ചെയ്യുന്നു

Google ഷീറ്റുകൾ ഉപയോഗിച്ച് വെബ് സ്‌ക്രാപ്പിംഗിലേക്ക് കടക്കുന്നതിന് മുമ്പ്, XML, HTML എന്നിവയുടെ അടിസ്ഥാനകാര്യങ്ങൾ മനസ്സിലാക്കേണ്ടത് അത്യാവശ്യമാണ്. വെബിൽ ഉപയോഗിക്കുന്ന രണ്ട് പ്രാഥമിക മാർക്ക്അപ്പ് ഭാഷകളാണിത്. XML (എക്‌സ്‌റ്റൻസിബിൾ മാർക്ക്അപ്പ് ലാംഗ്വേജ്) ഡാറ്റാ ഘടനയ്‌ക്കായി ഉപയോഗിക്കുന്നു, അതേസമയം വെബ് ഉള്ളടക്കം രൂപപ്പെടുത്തുന്നതിന് HTML (ഹൈപ്പർടെക്‌സ്റ്റ് മാർക്ക്അപ്പ് ലാംഗ്വേജ്) ഉപയോഗിക്കുന്നു.

XML അല്ലെങ്കിൽ HTML ഘടകങ്ങൾ വ്യാഖ്യാനിച്ച് വെബ്‌സൈറ്റുകളിൽ നിന്ന് ഡാറ്റ വീണ്ടെടുക്കാൻ Google ഷീറ്റ് IMPORTXML ഉപയോഗിക്കുന്നു. വിലകൾ, സ്റ്റോക്ക് വിവരങ്ങൾ അല്ലെങ്കിൽ വെബ് പേജുകളിൽ നിങ്ങൾ കണ്ടെത്തുന്ന മറ്റേതെങ്കിലും ഘടനാപരമായ ഡാറ്റ പോലുള്ള ഡാറ്റ നിങ്ങൾക്ക് ഇറക്കുമതി ചെയ്യാൻ കഴിയും.

IMPORTXML എങ്ങനെ പ്രവർത്തിക്കുന്നു

IMPORTXML എന്നത് Google ഷീറ്റിലെ ഒരു ബിൽറ്റ്-ഇൻ ഫംഗ്‌ഷനാണ്, അത് XPath അന്വേഷണങ്ങൾ ഉപയോഗിച്ച് ഒരു നിർദ്ദിഷ്‌ട URL-ൽ നിന്ന് ഡാറ്റ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യുന്നു. XML പ്രമാണങ്ങൾ നാവിഗേറ്റ് ചെയ്യുന്നതിനും അവയിൽ നിന്ന് നോഡുകൾ തിരഞ്ഞെടുക്കുന്നതിനുമുള്ള ഒരു ഭാഷയാണ് XPath.

IMPORTXML ഉപയോഗിക്കുന്നതിന്, നിങ്ങൾ രണ്ട് ആർഗ്യുമെന്റുകൾ നൽകേണ്ടതുണ്ട്: നിങ്ങൾ സ്‌ക്രാപ്പ് ചെയ്യാൻ ആഗ്രഹിക്കുന്ന വെബ്‌പേജിന്റെ URL, നിങ്ങൾ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യാൻ ആഗ്രഹിക്കുന്ന നിർദ്ദിഷ്ട ഡാറ്റയിലേക്ക് പോയിന്റ് ചെയ്യുന്ന XPath അന്വേഷണവും. Google ഷീറ്റ് പിന്നീട് ഡാറ്റ ലഭ്യമാക്കുകയും നിങ്ങളുടെ സ്‌പ്രെഡ്‌ഷീറ്റിൽ പ്രദർശിപ്പിക്കുകയും ചെയ്യുന്നു.

ദ്രുത XPath ആമുഖം

XML അല്ലെങ്കിൽ HTML പ്രമാണത്തിൽ നിന്ന് ഡാറ്റ തിരഞ്ഞെടുക്കുന്നതിനുള്ള ശക്തമായ ഉപകരണമാണ് XPath. XML/HTML ഡോക്യുമെന്റിലെ ഘടകങ്ങളിലൂടെയും ആട്രിബ്യൂട്ടുകളിലൂടെയും നാവിഗേറ്റ് ചെയ്യാൻ ഇത് പാത്ത് എക്സ്പ്രഷനുകൾ ഉപയോഗിക്കുന്നു. ഒരു ഹ്രസ്വ ഉദാഹരണം ഇതാ:

ഒരു വെബ്‌പേജിന്റെ ശീർഷകം എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുവെന്ന് പറയാം. ഇതിനായുള്ള XPath ചോദ്യം ഇതായിരിക്കും:

//title

പേജിലെ എല്ലാ < title > ഘടകങ്ങളും കണ്ടെത്താൻ ഈ ചോദ്യം Google Sheets-നോട് പറയുന്നു.

ഒരു വെബ്‌സൈറ്റിൽ നിന്ന് Google ഷീറ്റിലേക്ക് എങ്ങനെ ഡാറ്റ എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യാം

ഇപ്പോൾ, നമുക്ക് കൈകൾ വൃത്തികെട്ടതാക്കുകയും Google ഷീറ്റുകൾ ഉപയോഗിച്ച് കുറച്ച് വെബ് സ്ക്രാപ്പിംഗ് നടത്തുകയും ചെയ്യാം:

1. ഒരു പുതിയ Google ഷീറ്റ് ഡോക്യുമെന്റ് തുറക്കുക.
2. നിങ്ങൾ ഡാറ്റ സ്‌ക്രാപ്പ് ചെയ്യാൻ ആഗ്രഹിക്കുന്ന വെബ്‌സൈറ്റ് URL നൽകുക.
   • നിങ്ങളുടെ സ്‌പ്രെഡ്‌ഷീറ്റിലെ ഒരു സെല്ലിൽ ക്ലിക്ക് ചെയ്യുക.
   • ടൈപ്പ് ചെയ്യുക =IMPORTXML(“URL”, “XPath Query”), “URL” എന്നതിന് പകരം വെബ്‌പേജ് URL ഉം “XPath Query” നിങ്ങളുടെ ആവശ്യമുള്ള അന്വേഷണവും ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുക.
3. എന്റർ അമർത്തുക, മാജിക് സംഭവിക്കുന്നത് കാണുക!

Google ഷീറ്റ് വെബ്‌സൈറ്റിൽ നിന്ന് ഡാറ്റ ലഭ്യമാക്കുകയും തിരഞ്ഞെടുത്ത സെല്ലിൽ പ്രദർശിപ്പിക്കുകയും ചെയ്യും.

മറ്റ് അനുബന്ധ പ്രവർത്തനങ്ങൾ

വെറും IMPORTXML എന്നതിലുപരി Google ഷീറ്റുകൾ വാഗ്ദാനം ചെയ്യുന്നു. IMPORTHTML, IMPORTDATA എന്നിവ പോലുള്ള മറ്റ് അനുബന്ധ ഫംഗ്‌ഷനുകൾ പര്യവേക്ഷണം ചെയ്യുന്നതിലൂടെ നിങ്ങളുടെ വെബ് സ്‌ക്രാപ്പിംഗ് കഴിവുകൾ വർദ്ധിപ്പിക്കാൻ കഴിയും. യഥാക്രമം HTML ടേബിളുകളിൽ നിന്നും CSV ഫയലുകളിൽ നിന്നും ഡാറ്റ ഇറക്കുമതി ചെയ്യാൻ ഈ ഫംഗ്‌ഷനുകൾ നിങ്ങളെ അനുവദിക്കുന്നു, ഇത് നിങ്ങളുടെ ഡാറ്റ ഏറ്റെടുക്കൽ പ്രക്രിയയെ കൂടുതൽ വൈവിധ്യപൂർണ്ണമാക്കുന്നു.

ഒരു വെബ്‌സൈറ്റിൽ നിന്ന് Google ഷീറ്റിലേക്ക് ഒരു പട്ടിക ഇമ്പോർട്ടുചെയ്യുക

വെബ്‌സൈറ്റുകളിൽ നിന്ന് Google ഷീറ്റിലേക്ക് പട്ടികകൾ ഇമ്പോർട്ടുചെയ്യുന്നത് ഒരു കാറ്റ് ആണ്. എങ്ങനെയെന്നത് ഇതാ:

1. പട്ടിക തിരിച്ചറിയുക: നിങ്ങൾ ഇറക്കുമതി ചെയ്യാൻ ആഗ്രഹിക്കുന്ന ടേബിൾ ഉള്ള വെബ്‌പേജ് സന്ദർശിച്ച് അതിൽ റൈറ്റ് ക്ലിക്ക് ചെയ്യുക. ഡവലപ്പർ ടൂളുകൾ തുറക്കുന്നതിനും പട്ടികയെ പ്രതിനിധീകരിക്കുന്ന HTML കോഡ് കണ്ടെത്തുന്നതിനും "പരിശോധിക്കുക" തിരഞ്ഞെടുക്കുക.
2. IMPORTHTML ഉപയോഗിക്കുക: നിങ്ങളുടെ Google ഷീറ്റ് ഡോക്യുമെന്റിൽ, ഇനിപ്പറയുന്ന ഫോർമുല നൽകുക:
   
   =ഇമ്പോർട്ട്HTML("URL", "ടേബിൾ", സൂചിക)
   • “URL” എന്നത് വെബ്‌പേജിന്റെ URL ആയിരിക്കണം.
   • "table" നിങ്ങൾ ഒരു പട്ടിക ഇറക്കുമതി ചെയ്യാൻ ആഗ്രഹിക്കുന്നു എന്ന് വ്യക്തമാക്കുന്നു.
   • "സൂചിക" എന്നത് വെബ്‌പേജിലെ പട്ടികയുടെ സ്ഥാനമാണ് (ആദ്യത്തെ പട്ടികയാണെങ്കിൽ 1 ഉപയോഗിക്കുക).
3. എന്റർ അമർത്തുക. ഗൂഗിൾ ഷീറ്റ് പട്ടിക ഇറക്കുമതി ചെയ്യും, വിശകലനത്തിനും കൃത്രിമത്വത്തിനും ഇത് എളുപ്പത്തിൽ ലഭ്യമാക്കും.

XML ഫീഡുകളിൽ നിന്ന് Google ഷീറ്റിലേക്ക് ഡാറ്റ ഇമ്പോർട്ടുചെയ്യുക

XML ഫീഡുകൾ ഡൈനാമിക് ഡാറ്റയുടെ ഒരു സാധാരണ ഉറവിടമാണ്. XML ഫീഡുകളിൽ നിന്ന് Google ഷീറ്റിലേക്ക് ഡാറ്റ ഇമ്പോർട്ടുചെയ്യാൻ:

1. XML ഫീഡ് URL നേടുക: നിങ്ങൾ ഇറക്കുമതി ചെയ്യാൻ ആഗ്രഹിക്കുന്ന XML ഫീഡിന്റെ URL ആവശ്യമാണ്.
2. IMPORTXML ഉപയോഗിക്കുക: ഒരു സെല്ലിൽ, നൽകുക:
   
   =IMPORTXML("XML ഫീഡ് URL", "XPath അന്വേഷണം")
   • "XML ഫീഡ് URL" എന്നത് XML ഫീഡിന്റെ URL ആണ്.
   • "XPath Query" നിങ്ങൾ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യാൻ ആഗ്രഹിക്കുന്ന ഡാറ്റ വ്യക്തമാക്കണം.
3. എന്റർ അമർത്തുക. Google ഷീറ്റുകൾ XML ഫീഡിൽ നിന്ന് ഡാറ്റ പിൻവലിക്കുകയും നിങ്ങളുടെ സ്‌പ്രെഡ്‌ഷീറ്റിൽ പ്രദർശിപ്പിക്കുകയും ചെയ്യും.

IMPORTFEED ഇറക്കുമതി ചെയ്ത ഡാറ്റ ഇഷ്‌ടാനുസൃതമാക്കുന്നു

RSS പോലുള്ള വിവിധ ഫീഡുകളിൽ നിന്ന് ഡാറ്റ ഇറക്കുമതി ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്ന ഒരു ബഹുമുഖ പ്രവർത്തനമാണ് IMPORTFEED. ഇറക്കുമതി ചെയ്ത ഡാറ്റ ഇഷ്ടാനുസൃതമാക്കാൻ:

1. "ഘടകം" പാരാമീറ്റർ ഉപയോഗിക്കുക: ഡിഫോൾട്ടായി, ഏറ്റവും പുതിയ ഫീഡ് ഇനം IMPORTFEED ഇറക്കുമതി ചെയ്യുന്നു. ഇത് ഇഷ്ടാനുസൃതമാക്കാൻ, "ഘടകം" പാരാമീറ്റർ ചേർക്കുക. ഉദാഹരണത്തിന്:
   
   =ഇംപോർട്ട്ഫീഡ്("RSS ഫീഡ് URL", "ഘടകം", സംഖ്യ)
   • "RSS ഫീഡ് URL" എന്നത് RSS ഫീഡിന്റെ URL ആണ്.
   • "ഘടകം" നിങ്ങൾക്ക് ആവശ്യമുള്ള ഘടകം വ്യക്തമാക്കുന്നു (ഉദാ, "ശീർഷകം" അല്ലെങ്കിൽ "വിവരണം").
   • "num" എന്നത് ഇനം നമ്പർ നിർണ്ണയിക്കുന്നു (ഏറ്റവും പുതിയതിന് 1, ഏറ്റവും പുതിയ രണ്ടാമത്തെതിന് 2, അങ്ങനെ പലതും).

CSV-യിൽ നിന്ന് Google ഷീറ്റിലേക്ക് ഡാറ്റ ഇമ്പോർട്ടുചെയ്യുന്നു

ഡാറ്റാ കൈമാറ്റത്തിനായി CSV (കോമ-വേർതിരിക്കപ്പെട്ട മൂല്യങ്ങൾ) ഫയലുകൾ വ്യാപകമായി ഉപയോഗിക്കുന്നു. ഒരു CSV ഫയലിൽ നിന്ന് Google ഷീറ്റിലേക്ക് ഡാറ്റ ഇമ്പോർട്ടുചെയ്യാൻ:

1. Google ഷീറ്റുകൾ തുറക്കുക.
2. "ഫയൽ" > "ഇറക്കുമതി" എന്നതിൽ ക്ലിക്ക് ചെയ്യുക.
3. നിങ്ങളുടെ CSV ഫയൽ അപ്‌ലോഡ് ചെയ്യുക.
4. ഇറക്കുമതി ക്രമീകരണങ്ങൾ കോൺഫിഗർ ചെയ്യുക: ഡീലിമിറ്റർ ക്രമീകരണങ്ങളും ഡാറ്റ ഫോർമാറ്റിംഗും ഉൾപ്പെടെ, Google ഷീറ്റുകൾ എങ്ങനെയാണ് ഡാറ്റ കൈകാര്യം ചെയ്യേണ്ടതെന്ന് നിങ്ങൾക്ക് വ്യക്തമാക്കാം.
5. "ഇറക്കുമതി" ക്ലിക്ക് ചെയ്യുക. ഇറക്കുമതി ചെയ്ത ഡാറ്റ ഉപയോഗിച്ച് Google ഷീറ്റ് ഒരു പുതിയ ഷീറ്റ് സൃഷ്ടിക്കും.

ഡാറ്റ പുതുമയുള്ളതാണോ?

ഈ ഫംഗ്‌ഷനുകൾ ഉപയോഗിച്ച് ഇറക്കുമതി ചെയ്ത ഡാറ്റ സ്വയമേവ അപ്‌ഡേറ്റ് ചെയ്യുന്നില്ല. ഡാറ്റ ഫ്രഷ് ആയി നിലനിർത്താൻ, നിങ്ങൾ അത് സ്വമേധയാ പുതുക്കേണ്ടതുണ്ട്. ഇറക്കുമതി ഫംഗ്‌ഷൻ അടങ്ങിയ സെല്ലിൽ വലത്-ക്ലിക്കുചെയ്ത് "പുതുക്കുക" തിരഞ്ഞെടുക്കുക. നിർദ്ദിഷ്ട ഇടവേളകളിൽ ഡാറ്റ പുതുക്കുന്നതിന് നിങ്ങൾക്ക് ഓട്ടോമേറ്റഡ് ട്രിഗറുകൾ സജ്ജീകരിക്കാനും കഴിയും.

ഇറക്കുമതി പ്രവർത്തനങ്ങളുടെ ഗുണങ്ങളും ദോഷങ്ങളും

പ്രയോജനങ്ങൾ:

• ഉപയോഗിക്കാന് എളുപ്പം: Google ഷീറ്റിലെ ഇമ്പോർട്ട് ഫംഗ്‌ഷനുകൾ ഉപയോക്തൃ-സൗഹൃദമാണ് കൂടാതെ കോഡിംഗ് കഴിവുകൾ ആവശ്യമില്ല.
• ബഹുമുഖത: വെബ്‌സൈറ്റുകൾ, XML ഫീഡുകൾ, CSV ഫയലുകൾ എന്നിവയുൾപ്പെടെ വിവിധ ഉറവിടങ്ങളിൽ നിന്ന് നിങ്ങൾക്ക് ഡാറ്റ ഇറക്കുമതി ചെയ്യാൻ കഴിയും.
• ഓട്ടോമേഷൻ: Google Apps സ്‌ക്രിപ്റ്റ് ഉപയോഗിച്ച്, നിങ്ങൾക്ക് ഡാറ്റ പുതുക്കലും പ്രോസസ്സിംഗും ഓട്ടോമേറ്റ് ചെയ്യാം.

പോരായ്മകൾ:

• ഡാറ്റ പുതുമ: ഡാറ്റ സ്വയമേവ അപ്‌ഡേറ്റ് ചെയ്യുന്നില്ല, ഇത് തത്സമയ ഡാറ്റ ആവശ്യങ്ങൾക്ക് ഒരു പോരായ്മയാണ്.
• വെബ്‌സൈറ്റ് മാറ്റങ്ങൾ: ഒരു വെബ്‌സൈറ്റിന്റെ ഘടന മാറുകയാണെങ്കിൽ, നിങ്ങളുടെ ഇറക്കുമതി പ്രവർത്തനങ്ങൾ തകരാറിലായേക്കാം, അപ്‌ഡേറ്റുകൾ ആവശ്യമാണ്.
• വോളിയം പരിമിതികൾ: നിങ്ങൾക്ക് ഇറക്കുമതി ചെയ്യാനും പ്രോസസ്സ് ചെയ്യാനും കഴിയുന്ന ഡാറ്റയുടെ അളവിൽ Google ഷീറ്റിന് പരിമിതികളുണ്ട്.

സാധാരണ പിശകുകൾ

ഇറക്കുമതി ഫംഗ്‌ഷനുകൾ ഉപയോഗിക്കുമ്പോൾ, നിങ്ങൾക്ക് പിശകുകൾ നേരിടാം. പൊതുവായവ ഉൾപ്പെടുന്നു:

• #N/A: നിങ്ങൾ നൽകിയ XPath അല്ലെങ്കിൽ ചോദ്യം വെബ്‌പേജിലെയോ ഫീഡിലെയോ ഒരു ഡാറ്റയുമായി പൊരുത്തപ്പെടാത്തപ്പോൾ ഈ പിശക് സംഭവിക്കുന്നു.
• #REF!: ഇത് ഒരു റഫറൻസ് പിശക് സൂചിപ്പിക്കുന്നു, സാധാരണയായി ഉറവിട ഡാറ്റ നീക്കുകയോ ഇല്ലാതാക്കുകയോ ചെയ്തതിനാൽ.
• 1TP5 ഭീകരത: തെറ്റായ വാക്യഘടന അല്ലെങ്കിൽ ഇറക്കുമതി പരിധി കവിയുന്നത് ഉൾപ്പെടെയുള്ള വിവിധ പ്രശ്‌നങ്ങളുടെ ഫലമായി ഉണ്ടാകാവുന്ന ഒരു പൊതു പിശക് സന്ദേശമാണിത്.

അത്തരം സന്ദർഭങ്ങളിൽ, പിശകുകൾ പരിഹരിക്കുന്നതിന് നിങ്ങളുടെ ഫോർമുലകൾ, XPath അന്വേഷണങ്ങൾ, ഡാറ്റ ഉറവിടങ്ങൾ എന്നിവ രണ്ടുതവണ പരിശോധിക്കുക.

ഈ ഗൈഡിൽ, Google ഷീറ്റുകൾ ഉപയോഗിച്ച് വെബ് സ്‌ക്രാപ്പിംഗ് കലയെ ഞങ്ങൾ ഡീമിസ്റ്റിഫൈ ചെയ്‌തു. XML, HTML എന്നിവ എങ്ങനെ ഇറക്കുമതി ചെയ്യാം, IMPORTXML എങ്ങനെ പ്രവർത്തിക്കുന്നു, XPath-ന്റെ അടിസ്ഥാനകാര്യങ്ങൾ, വെബ്‌സൈറ്റുകളിൽ നിന്ന് Google ഷീറ്റിലേക്ക് ഡാറ്റ എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യുന്ന പ്രക്രിയ എന്നിവ നിങ്ങൾ പഠിച്ചു. ഈ അറിവ് ഉപയോഗിച്ച് നിങ്ങൾക്ക് ഗവേഷണത്തിനോ വിശകലനത്തിനോ മറ്റേതെങ്കിലും ഉദ്ദേശ്യത്തിനോ വേണ്ടി വിലപ്പെട്ട ഡാറ്റ എളുപ്പത്തിൽ ശേഖരിക്കാനാകും.

ഇപ്പോൾ, വെബ് സ്‌ക്രാപ്പിംഗിന്റെ ലോകം പര്യവേക്ഷണം ചെയ്യാനും നിങ്ങളുടെ വിരൽത്തുമ്പിൽ ഡാറ്റയുടെ സാധ്യതകൾ അൺലോക്കുചെയ്യാനുമുള്ള സമയമാണിത്. സന്തോഷകരമായ സ്ക്രാപ്പിംഗ്!