Estrazione

L'estrazione legge le pagine di ogni sito di un cluster e ne ricava le parti che corrispondono a un'espressione. Un cluster di siti diventa una tabella di numeri di telefono, account social, indirizzi, nomi di plugin: tutto ciò che il pattern cattura.

Cosa legge

Tutto ciò che PublicWWW ha indicizzato per quei siti, pagine interne comprese, non solo la home page su cui ha trovato corrispondenza una ricerca. Un contatto che compare solo in una pagina «chi siamo» viene comunque trovato.

Modelli predefiniti e pattern tuoi

Ci sono modelli predefiniti per ciò che viene chiesto più spesso: indirizzi email, numeri di telefono, contatti WhatsApp, Telegram e Skype, link alle pagine Facebook, Instagram, X (Twitter) e LinkedIn, ID di Google Tag Manager, Google Analytics, Hotjar e AdSense. Al loro posto si può usare qualsiasi espressione regolare. L'espressione funziona come snipexp: in una ricerca: il gruppo di cattura è ciò che finisce nella colonna, e un'espressione senza gruppo di cattura produce risultati vuoti.

|/wp-content/plugins/([\w\d\-\.\_]+)/|

Prova prima su un cluster piccolo. L'espressione si può provare, correggere e riprovare con un tetto al numero di record da estrarre, così un pattern sbagliato non costa quasi nulla: vedi i limiti per capire perché è importante.

Ottenere il risultato

La tabella estratta si scarica come file e si apre in un foglio di calcolo. Ogni riga è un sito con ciò che vi è stato trovato; un sito in cui non c'è stata nessuna corrispondenza viene comunque elencato, così i vuoti restano visibili invece di sparire senza avviso.

Filtrare le ricerche con un cluster

Un cluster funziona come filtro anche nella direzione opposta. Carica il tuo elenco di domini, URL o indirizzi email e usalo per ridurre i risultati di ricerca ai siti di quell'elenco oppure, con una sottrazione, a tutti tranne quelli.

Estrarre telefoni ed email illustra tutto il procedimento, da due ricerche a un foglio di calcolo. Da codice, l'estrazione fa parte dell'API, con gli stessi modelli predefiniti, scelti per nome.