Extracción de tablas

La extracción de tablas, parte de la experiencia moderna en Studio, te permite usar el paquete de actividades de automatización de IU para extraer automáticamente datos estructurados de las aplicaciones y guardarlos como un objeto DataTable que luego se puede usar en tus procesos de automatización.

Este proceso se puede realizar utilizando la Grabadora de extracción de tablas en Studio, a la que se puede acceder desde la Cinta si el paquete Automatización de IU v21.4 o superior está instalado en tu proyecto actual, y has seleccionado la Experiencia moderna.

El mismo asistente también se utiliza cuando se utiliza una actividad Extraer datos de tabla en tu flujo de trabajo.

Uso de la grabadora de extracción de tablas

Si tienes la experiencia moderna seleccionada en tu proyecto y el paquete de actividades Automatización de IU instalado, puedes encontrar la grabadora de extracción de tablas en la cinta de Studio.

Clicking the Table Extraction button in the Ribbon opens up the Table Extraction wizard.

Este asistente ofrece una forma muy sencilla de configurar todo el conjunto de funcionalidades que ofrece la actividad Extracción de datos de tabla.

Para cambiar entre los marcos de IU disponibles (Predeterminado, AutomatizaciónDeIU o Accesibilidad activa), puedes seleccionar una opción del menú desplegable o pulsar F4.

Además, la sección Información le guía por todos los pasos que debe seguir para extraer con éxito cualquier dato estructurado. La sección se puede colapsar para revelar más información sobre el paso en el que se encuentra actualmente.

Para comenzar el proceso de extracción de datos, simplemente haz clic en el botón Añadir datos . Esto inicia el proceso de indicar una serie de elementos similares que pueden utilizarse para identificar la tabla que quieres crear. Esto inicia el proceso Indicar, que resalta todos los elementos detectados de la aplicación con la que estás trabajando actualmente. Al seleccionar el , puedes extraer las URL y las fuentes de imagen de los datos extraídos, si están presentes. Estos se añaden como una nueva columna a tu tabla final.

As you can see above, after clicking a column header, the wizard prompts you with a message, asking whether you want to extract all of the available columns, which are automatically identified. Selecting Yes scrapes the entire table.

Si seleccionas un elemento que está más cerca (antecesor común más bajo) de solo uno de los elementos de la primera columna, se considera automáticamente como el primer elemento de una nueva columna.

If the table spans multiple pages, you can simply click Next Button and select the next page navigation button or link.

Cada columna puede editarse o eliminarse individualmente, lo que le permite personalizar su tabla final como lo desee.

Once you have selected all the data you want, simply clicking the Save and return to Studio button automatically closes the wizard and saves everything you have done in your workflow.

Editar datos de extracción

You can resume editing an already scraped table by using the Edit extract data option in the contextual menu in the body of the Extract Table Data activity. Using this option reopens the wizard with all of the configurations performed earlier and enables you to pick up where you left off.

Editar columnas

Al hacer clic en el icono de la rueda dentada junto a la columna que desea editar, se abre la ventana Configuración de columna.

Here, you can edit the Column Name. This can be done by simply using the text box and specifying the name you want for the column in the final table.

The Parse data as drop-down menu enables you to select between the three main types of data you can use for the columns, Text, Number, and Date & Time.

The Sample text box displays a sample of a value in the column being parsed as the data type you chose in the Parse data as drop-down.

Texto

The Sort drop-down menu specifies whether you want to sort the data in the column or not. By default, None is selected, meaning the data is not sorted in any way. If you want to sort the data in the column alphabetically, you can do so by selecting Ascending or Descending, depending on the method you prefer.

Número

Selecting Number in the Parse data as drop-down displays other, number-specific options.

The Sort drop-down menu specifies whether you want to sort the data in the column or not. By default, None is selected, meaning the data is not sorted in any way. If you want to sort the data in the column alphanumerically, you can do so by selecting Ascending or Descending, depending on the method you prefer.

The Decimal separator specifies the symbol you want to use for decimal separation in your final table. By default, this symbol is ..

The Thousands separator specifies the symbol you want to use for thousand separation in your final table. By default, this symbol is ,.

Nota:

When scraping numbers, they are parsed according to the selected options, and separators and other symbols (e.g. $) are removed.

Fecha y hora

Selecting Date & Time in the Parse data as drop-down displays other options, specific to date and time formats.

If the column you are editing does not match the format that is specified, the Column Settings window lets you know in the Sample section.

The Sort drop-down menu specifies whether you want to sort the data in the column or not. By default, None is selected, meaning the data is not sorted in any way. If you want to sort the data in the column by date, you can do so by selecting Ascending or Descending, depending on the method you prefer.

The Data parse format drop-down enables you to select from a multitude of date and time formats that are supported.

Nota:

When selecting dates, they are formatted according to the format that is selected in your operating system. The parsing format selected in the wizard is just to identify the data you are scraping.

Sección de configuración

The Settings section lets you choose if you want to limit the extraction of elements in the table. By default, this option is set to No limit, which does not limit the extraction in any way, scraping the entire visible table.

The Max rows option limits the scraping according to the number of rows that is mentioned in the field to the right. By default, this is set to 1000 rows.

The Max pages option limits the scraping according to the number of pages that is mentioned in the field to the right. By default, this is set to 100 pages.

Sección de vista previa

The Preview section specifies how many columns and rows are identified for the table you have indicated. Also, by clicking the eye button, you can see a preview of the extracted table.

La vista previa está deshabilitada cuando se edita en modo sin conexión.

ExtraerMetadatos

The Extract metadata property contains an XML definition of the path identifying the data to be extracted for each column. The path is built starting from the data extraction target (defined by your selector) to the column elements. The path uses attributes such as tag, idx, and text.

Ejemplo:

<extract> 
<!—columns data identified by a path > 
<column exact='1' name=’Description’ attr='text'> 
<webctrl tag='div' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='span' idx='1' /> 
</column> 
<column exact='1' name=’Currency’ attr='text'> 
<webctrl tag='div' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='span' idx='2' /> 
</column> 
</extract>

Cuando los atributos tag, idxy text no son suficientes para identificar los datos de muestra indicados por el usuario, se genera un selector de CSS en lugar de la ruta. Este selector utiliza la clase común de los elementos de muestra.

Ejemplo:

<extract> 
<!—column data identified by a path > 
<column exact='1' name='Description' attr='text'> 
<webctrl tag='li' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='a' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='h3' idx='1' /> 
</column> 
<!—column data identified by a css-selector > 
<column css-selector='.currency-value' name='Currency' attr='text' /> 
</extract>

For the Description column, tag and index attributes are used to identify the column data.

For the Currency column, the elements are identified via the CSS-selector which contains the common class of the samples.

Opcionalmente, si está disponible, también se puede utilizar un selector de CSS para la Descripción:

<extract> 
<!—columns data identified by css-selectors > 
<column css-selector='.product-title ' name='Description' attr='text' /> 
<column css-selector='.currency-value' name='Currency' attr='text' /> 
</extract>

La definición de fila utiliza los mismos métodos de identificación que la columna y se utiliza para extraer datos correlativos. Una fila contiene un elemento de cada columna.

Ejemplo:

<extract> 
<! -- row definition - ->  
<row exact='1'> 
<webctrl tag='li' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='a' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
</row> 
<column exact='1' name='Description' attr='text'> 
<webctrl tag='li' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='a' idx='1' /> 
<webctrl tag='div' idx='2' /> 
<webctrl tag='div' idx='1' /> 
<webctrl tag='h3' idx='1' /> 
</column> 
<column css-selector='.currency-value' name='Column' attr='text' /> 
</extract>

Configuración de la tabla

This property contains an XML definition of the column settings, as they were defined in the scraping wizard. Column properties like Name or Format can be changed directly in this XML definition and will be used at runtime when building the output data table.

Ejemplo:

<table xmlns:xsi='http://www.w3.org/2001/XMLSchema-instance' xmlns:xsd='http://www.w3.org/2001/XMLSchema' Type='Structured'> 
<Column xsi:type='DataColumn' ReferenceName='Column0' Name=’Description'> 
<Format xsi:type='TextColumnFormat' /> 
</Column> 
<Column xsi:type='DataColumn' ReferenceName='Column2' Name=’Currency'> 
<Format xsi:type='TextColumnFormat' /> 
</Column> 
</Table>