OutWit Hub

OutWit Hub es una aplicación de extracción de datos web diseñada para extraer automáticamente información de recursos en línea o locales. Reconoce y extrae enlaces, imágenes, documentos, contactos, vocabulario y frases recurrentes, y fuentes RSS. Convierte datos estructurados y no estructurados en tablas formateadas que se pueden exportar a hojas de cálculo o bases de datos . La primera versión se lanzó en 2010. La versión actual (9.0) está disponible para Windows 10 y Windows 11, Linux y macOS 10.

El programa incluye un navegador basado en Mozilla y una barra lateral que da acceso a varias vistas con extractores preestablecidos. Las páginas web y los documentos de texto se dividen en sus diferentes componentes, presentados como tablas en estas vistas. La aplicación puede navegar a través de series de enlaces y secuencias de páginas de resultados de motores de búsqueda para extraer elementos de información, organizarlos en tablas y exportarlos a varios formatos. Los extractores predefinidos permiten recopilar tablas, listas o feeds estructurados. También se pueden crear raspadores personalizados para extraer datos de elementos de página menos estructurados. ^{[ 2 ]} Se pueden incluir expresiones regulares en los raspadores, así como en otras partes de la aplicación, para definir marcadores de reconocimiento de variables. ^{[ 3 ]}

Aunque OutWit Hub se presenta como una herramienta para usuarios no técnicos, el hecho de que la aplicación no utilice la estructura del modelo de objetos del documento (DOM ) para sus extracciones impide la extracción visual de datos mediante la función "apuntar y seleccionar", y obliga al usuario que desea crear extractores personalizados a definir marcadores en el código fuente de la página. Sin embargo, la ventaja de este enfoque radica en que permite una definición más precisa de las máscaras de extracción que los nodos HTML y una ejecución más rápida, ya que el árbol del DOM no necesita ser renderizado por el navegador en el momento de la extracción.

Se puede descargar una versión gratuita limitada desde el sitio del editor y sitios web de descarga de shareware . ^{[ 4 ]}

• Reconocimiento y extracción de enlaces, direcciones de correo electrónico, datos estructurados y no estructurados, noticias RSS
• Extracción y descarga de imágenes y documentos
• Extracción de texto, con diccionario de palabras y grupos de palabras por frecuencia.
• Navegación automatizada con reglas de exploración web definidas por el usuario.
• Generación automática de consultas y URL mediante patrones.
• Directorios de enlaces y consultas
• Raspadores personalizados
• Automatización de macros
• Ejecución periódica del trabajo

La edición Enterprise de la aplicación incluye funciones avanzadas de extracción y automatización para extracciones específicas o de gran volumen, el envío de series de consultas HTTP o POST generadas automáticamente y la carga de los datos extraídos a servidores FTP.

• periodismo basado en datos
• Extracción de datos web

• tuberías de Yahoo
• Automation Anywhere : sistema de extracción y automatización web.

• http://www.outwit.com/