ಸ್ಕ್ರ್ಯಾಪಿಯಲ್ಲಿ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಮತ್ತು ಟೈಮ್‌ಔಟ್ ದೋಷಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಪ್ಲೇರೈಟ್ ಅನ್ನು ಬಳಸುವುದು: ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆ-ಪರಿಹರಿಸುವ ತಂತ್ರಗಳು

ಸ್ಕ್ರಾಪಿ ಮತ್ತು ಪ್ಲೇರೈಟ್‌ನೊಂದಿಗೆ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಮತ್ತು ಟೈಮ್‌ಔಟ್ ದೋಷಗಳನ್ನು ನಿವಾರಿಸುವುದು

ಬಳಸುವಾಗ ಸ್ಕ್ರಾಪಿ ಜೊತೆಗೆ ಸ್ಕ್ರಾಪಿ ನಾಟಕಕಾರ, JavaScript ಅಗತ್ಯವಿರುವ ಪುಟಗಳನ್ನು ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುವಾಗ ನೀವು ಸಮಸ್ಯೆಗಳನ್ನು ಎದುರಿಸಬಹುದು. "ದಯವಿಟ್ಟು JS ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ ಮತ್ತು ಯಾವುದೇ ಜಾಹೀರಾತು ಬ್ಲಾಕರ್ ಅನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಿ" ಎಂದು ಕೇಳುವ ಸಂದೇಶವನ್ನು ಸ್ವೀಕರಿಸುವುದು ಒಂದು ಸಾಮಾನ್ಯ ಸಮಸ್ಯೆಯಾಗಿದೆ, ಜೊತೆಗೆ ಸಮಯ ಮೀರುವ ದೋಷವೂ ಇದೆ.

ಸ್ಕ್ರ್ಯಾಪಿ ಮಾತ್ರ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ನಿರೂಪಿಸದ ಕಾರಣ ಈ ಸಮಸ್ಯೆಯು ಸಾಮಾನ್ಯವಾಗಿ ಉದ್ಭವಿಸುತ್ತದೆ. ಇದನ್ನು ನಿರ್ವಹಿಸಲು ಪ್ಲೇರೈಟ್ ಅನ್ನು ಸಂಯೋಜಿಸಿರುವಾಗ, ವೆಬ್‌ಸೈಟ್‌ಗಳಿಗೆ ಸರಿಯಾಗಿ ಕಾನ್ಫಿಗರ್ ಮಾಡಲು ಹೆಚ್ಚುವರಿ ಹಂತಗಳ ಅಗತ್ಯವಿದೆ ವಾಲ್ ಸ್ಟ್ರೀಟ್ ಜರ್ನಲ್, ಇದು ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗಿದೆ.

ಸ್ಕ್ರ್ಯಾಪಿಯೊಂದಿಗೆ ಪ್ಲೇರೈಟ್‌ನ ಏಕೀಕರಣವು ಅಂತಹ ಮಿತಿಗಳನ್ನು ನಿವಾರಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಅಸಮರ್ಪಕ ಸೆಟ್ಟಿಂಗ್‌ಗಳು ಅಥವಾ ಬ್ರೌಸರ್ ನಡವಳಿಕೆಗಳನ್ನು ಕಡೆಗಣಿಸುವುದು ಇನ್ನೂ ನಿರಾಶಾದಾಯಕ ದೋಷಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. ಆದಾಗ್ಯೂ, ಸರಿಯಾದ ಕಾನ್ಫಿಗರೇಶನ್‌ಗಳು ಮತ್ತು ಡೀಬಗ್ ಮಾಡುವ ತಂತ್ರಗಳೊಂದಿಗೆ, ನೀವು ಈ ಅಡೆತಡೆಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡಬಹುದು.

ಈ ಮಾರ್ಗದರ್ಶಿಯಲ್ಲಿ, JavaScript ಲೋಡಿಂಗ್ ಸಮಸ್ಯೆಗಳು ಮತ್ತು ಸಮಯ ಮೀರುವ ದೋಷಗಳಂತಹ ಸಾಮಾನ್ಯ ಮೋಸಗಳನ್ನು ತಪ್ಪಿಸಲು ಕೋಡ್ ಸೆಟಪ್‌ಗಳು ಮತ್ತು ಡೀಬಗ್ ಮಾಡುವ ಸಲಹೆಗಳು ಸೇರಿದಂತೆ ಸ್ಕ್ರ್ಯಾಪಿ ಮತ್ತು ಪ್ಲೇರೈಟ್‌ನೊಂದಿಗೆ ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡುವ ನೈಜ-ಪ್ರಪಂಚದ ಉದಾಹರಣೆಯನ್ನು ನಾವು ಚರ್ಚಿಸುತ್ತೇವೆ.

ಸ್ಕ್ರಾಪಿ ಮತ್ತು ಪ್ಲೇರೈಟ್ ಏಕೀಕರಣದ ವಿವರವಾದ ವಿವರಣೆ

ಒದಗಿಸಿದ ಸ್ಕ್ರಿಪ್ಟ್‌ಗಳಲ್ಲಿ, ಏಕೀಕರಣ ಸ್ಕ್ರಾಪಿ ಜೊತೆಗೆ ನಾಟಕಕಾರ WSJ ನಂತಹ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್-ಹೆವಿ ವೆಬ್‌ಸೈಟ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸಲು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಸಾಮಾನ್ಯವಾಗಿ, Scrapy ಸ್ಥಳೀಯವಾಗಿ JavaScript ಎಕ್ಸಿಕ್ಯೂಶನ್ ಅನ್ನು ನಿರ್ವಹಿಸುವುದಿಲ್ಲ. ಡೈನಾಮಿಕ್ ವಿಷಯವನ್ನು ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡುವಾಗ ಇದು ಸಮಸ್ಯೆಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಏಕೆಂದರೆ ಪುಟವು ಸಂಪೂರ್ಣವಾಗಿ ಲೋಡ್ ಆಗದೇ ಇರಬಹುದು, "ದಯವಿಟ್ಟು JS ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ ಮತ್ತು ಯಾವುದೇ ಜಾಹೀರಾತು ಬ್ಲಾಕರ್ ಅನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಿ" ದೋಷಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ. ಪ್ಲೇರೈಟ್ ಅನ್ನು ಡೌನ್‌ಲೋಡ್ ಹ್ಯಾಂಡ್ಲರ್‌ನಂತೆ ಬಳಸುವುದರಿಂದ ಸ್ಕ್ರಾಪಿ ಪುಟಗಳನ್ನು ಪೂರ್ಣ ಬ್ರೌಸರ್‌ನಂತೆ ಲೋಡ್ ಮಾಡಲು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ, ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಮತ್ತು ಇತರ ಡೈನಾಮಿಕ್ ವಿಷಯವನ್ನು ರೆಂಡರಿಂಗ್ ಮಾಡುತ್ತದೆ.

ಸ್ಪೈಡರ್‌ನಲ್ಲಿ ವ್ಯಾಖ್ಯಾನಿಸಲಾದ ಕಸ್ಟಮ್ ಸೆಟ್ಟಿಂಗ್‌ಗಳು ಈ ಏಕೀಕರಣಕ್ಕೆ ಅತ್ಯಗತ್ಯ. HTTP ಮತ್ತು HTTPS ವಿನಂತಿಗಳಿಗಾಗಿ ಸ್ಕ್ರ್ಯಾಪಿ ಪ್ಲೇರೈಟ್ ಹ್ಯಾಂಡ್ಲರ್ ಅನ್ನು ಬಳಸಬೇಕು ಎಂದು ನಾವು ನಿರ್ದಿಷ್ಟಪಡಿಸುತ್ತೇವೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಹೊಂದಿಸುವುದು PLAYWRIGHT_BROWSER_TYPE "ಕ್ರೋಮಿಯಂ" ಗೆ ಹೆಚ್ಚಿನ ವೆಬ್‌ಸೈಟ್‌ಗಳೊಂದಿಗೆ ಹೊಂದಾಣಿಕೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಹೆಡ್‌ಲೆಸ್ ಮೋಡ್‌ನಲ್ಲಿ ಬ್ರೌಸರ್ ಅನ್ನು ಪ್ರಾರಂಭಿಸಲು ಸ್ಪೈಡರ್ ಅನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಲಾಗಿದೆ, ಅಂದರೆ ಬ್ರೌಸರ್ ಗೋಚರ UI ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ, ಇದು ಸಂಕೀರ್ಣ ಸೈಟ್‌ಗಳನ್ನು ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡುವಾಗ ಡೀಬಗ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಈ ಕಾನ್ಫಿಗರೇಶನ್‌ಗಳು "ದಯವಿಟ್ಟು JS ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಿ" ದೋಷದಂತಹ ಮೂಲಭೂತ ಬ್ಲಾಕ್‌ಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡುವ ಮೂಲಕ ವೆಬ್‌ಸೈಟ್‌ನೊಂದಿಗೆ ಮಾನವ-ರೀತಿಯ ಸಂವಹನಗಳನ್ನು ಅನುಕರಿಸಲು Playwright ಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ.

start_requests ವಿಧಾನದಲ್ಲಿ, ಪ್ರತಿ ವಿನಂತಿಯನ್ನು ಹಾದುಹೋಗುವ ಮೂಲಕ Playwright ಅನ್ನು ಬಳಸಲು ಕಾನ್ಫಿಗರ್ ಮಾಡಲಾಗಿದೆ ಮೆಟಾ={'ನಾಟಕಕಾರ': ನಿಜ}. ಸ್ಕ್ರ್ಯಾಪಿಯ ಡೀಫಾಲ್ಟ್ ಡೌನ್‌ಲೋಡರ್ ಬದಲಿಗೆ ಪ್ಲೇರೈಟ್ ವಿನಂತಿಯನ್ನು ನಿಭಾಯಿಸುತ್ತದೆ ಎಂದು ಇದು ಖಚಿತಪಡಿಸುತ್ತದೆ. ಬಳಕೆ ಪುಟವಿಧಾನ ನೈಜ ಬ್ರೌಸಿಂಗ್ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಅನುಕರಿಸಲು ನಿರ್ಣಾಯಕವಾಗಿದೆ. ಸಾಲು ಪೇಜ್ ಮೆಥಡ್('ವೇಟ್_ಫಾರ್_ಟೈಮ್ ಔಟ್', 5000) ಎಲ್ಲಾ ಡೈನಾಮಿಕ್ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ವಿಷಯವನ್ನು ಲೋಡ್ ಮಾಡಲು ಪುಟಕ್ಕೆ ಸಾಕಷ್ಟು ಸಮಯವನ್ನು ನೀಡುವ ಮೂಲಕ 5 ಸೆಕೆಂಡುಗಳ ಕಾಲ ಕಾಯಲು ಪ್ಲೇರೈಟ್‌ಗೆ ಸೂಚನೆ ನೀಡುತ್ತದೆ. ಸಂಪೂರ್ಣವಾಗಿ ಲೋಡ್ ಆಗಲು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುವ ವೆಬ್‌ಸೈಟ್‌ಗಳನ್ನು ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡುವಾಗ, ಸಮಯ ಮೀರುವಿಕೆ ಮತ್ತು ದೋಷಗಳನ್ನು ತಡೆಯುವಾಗ ಇದು ವಿಶೇಷವಾಗಿ ಉಪಯುಕ್ತವಾಗಿದೆ.

ಪಾರ್ಸ್ ವಿಧಾನದಲ್ಲಿ ನಿಜವಾದ ಸ್ಕ್ರ್ಯಾಪಿಂಗ್ ಸಂಭವಿಸುತ್ತದೆ. ಪ್ಲೇರೈಟ್ ಪುಟವನ್ನು ರೆಂಡರ್ ಮಾಡಿದ ನಂತರ, ಸ್ಕ್ರ್ಯಾಪಿ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು HTML ವಿಷಯವನ್ನು ಬಳಸಿಕೊಂಡು ಪಾರ್ಸ್ ಮಾಡುತ್ತದೆ ಸೆಲೆಕ್ಟರ್ ವಸ್ತು. XPath ಅಥವಾ CSS ಸೆಲೆಕ್ಟರ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅಗತ್ಯವಿರುವ ಡೇಟಾವನ್ನು ನಿಖರವಾಗಿ ಹೊರತೆಗೆಯಲು ಇದು ಅನುಮತಿಸುತ್ತದೆ. ಪ್ಲೇರೈಟ್‌ನ ಏಕೀಕರಣವು ಪಾರ್ಸ್ ಮಾಡಲಾದ HTML ಎಲ್ಲಾ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್-ರೆಂಡರ್ ಮಾಡಲಾದ ವಿಷಯವನ್ನು ಹೊಂದಿದೆ ಎಂದು ಖಚಿತಪಡಿಸುತ್ತದೆ, ಇದು ಡೈನಾಮಿಕ್ ವೆಬ್ ಪುಟಗಳಿಗೆ ಹೆಚ್ಚು ನಿಖರ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ. ಯಶಸ್ವಿ ಸ್ಕ್ರ್ಯಾಪಿಂಗ್ ಅನ್ನು ಸೂಚಿಸಲು ಸ್ಕ್ರಿಪ್ಟ್ ದೃಢೀಕರಣ ಸಂದೇಶವನ್ನು ("ಇದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ") ಔಟ್‌ಪುಟ್ ಮಾಡುತ್ತದೆ, ಆದರೆ ನೈಜ-ಪ್ರಪಂಚದ ಸನ್ನಿವೇಶದಲ್ಲಿ, ನೀವು ಇಲ್ಲಿ ಡೇಟಾವನ್ನು ಹೊರತೆಗೆಯಬಹುದು ಮತ್ತು ಸಂಗ್ರಹಿಸುತ್ತೀರಿ.

import scrapy
from scrapy_playwright.page import PageMethod
from scrapy.selector import Selector

class WsjNewsJSSpider(scrapy.Spider):
    name = 'wsj_newsJS'
    start_urls = ['https://www.wsj.com']

    custom_settings = {
        "DOWNLOAD_HANDLERS": {
            'http': 'scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler',
            'https': 'scrapy_playwright.handler.ScrapyPlaywrightDownloadHandler',
        },
        "TWISTED_REACTOR": 'twisted.internet.asyncioreactor.AsyncioSelectorReactor',
        "PLAYWRIGHT_BROWSER_TYPE": "chromium",
        "PLAYWRIGHT_LAUNCH_OPTIONS": {"headless": False},
    }

    def start_requests(self):
        for url in self.start_urls:
            yield scrapy.Request(
                url,
                meta={
                    'playwright': True,
                    'playwright_page_methods': [
                        PageMethod('wait_for_timeout', 5000),
                    ],
                },
                callback=self.parse
            )

    def parse(self, response):
        html_content = response.text
        sel = Selector(text=html_content)
        print("JavaScript page rendered successfully!")

import scrapy
from scrapy_playwright.page import PageMethod

class HeadlessSpider(scrapy.Spider):
    name = 'headless_spider'
    start_urls = ['https://www.wsj.com']

    custom_settings = {
        "PLAYWRIGHT_BROWSER_TYPE": "chromium",
        "PLAYWRIGHT_LAUNCH_OPTIONS": {"headless": True, "timeout": 30000},
        "PLAYWRIGHT_DEFAULT_NAVIGATION_TIMEOUT": 60000,  # Increase timeout
    }

    def start_requests(self):
        for url in self.start_urls:
            yield scrapy.Request(
                url,
                meta={
                    'playwright': True,
                    'playwright_page_methods': [
                        PageMethod('wait_for_timeout', 3000),  # Wait for 3 seconds
                    ],
                },
                callback=self.parse
            )

    def parse(self, response):
        print("Page scraped successfully!")
        html = response.text
        # Further parsing of the page goes here

ಪ್ಲೇರೈಟ್‌ನೊಂದಿಗೆ ವೆಬ್ ಸ್ಕ್ರ್ಯಾಪಿಂಗ್ ಅನ್ನು ಹೆಚ್ಚಿಸುವುದು: ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್-ಹೆವಿ ವೆಬ್‌ಸೈಟ್‌ಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವುದು

ಬಳಸುವಾಗ ಸ್ಕ್ರಾಪಿ ಸ್ಕ್ರ್ಯಾಪಿಂಗ್‌ಗಾಗಿ, ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್-ಹೆವಿ ವೆಬ್‌ಸೈಟ್‌ಗಳ ಸವಾಲು ಹೆಚ್ಚಾಗಿ ಉದ್ಭವಿಸುತ್ತದೆ. ಸುದ್ದಿ ಲೇಖನಗಳು ಅಥವಾ ಸ್ಟಾಕ್ ಬೆಲೆಗಳಂತಹ ಡೈನಾಮಿಕ್ ವಿಷಯವನ್ನು ರೆಂಡರಿಂಗ್ ಮಾಡಲು JavaScript ಅಗತ್ಯವಿರುವ ವೆಬ್‌ಸೈಟ್‌ಗಳು ಕೇವಲ ಸ್ಕ್ರ್ಯಾಪಿಯೊಂದಿಗೆ ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡುವುದು ಕಷ್ಟ. ಅಲ್ಲಿಯೇ ಏಕೀಕರಣ ಸ್ಕ್ರಾಪಿ ನಾಟಕಕಾರ ನಿರ್ಣಾಯಕವಾಗುತ್ತದೆ. ಪ್ಲೇರೈಟ್ ಬ್ರೌಸರ್ ಎಂಜಿನ್ ಆಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಮಾನವ ಬಳಕೆದಾರರಂತೆ ಪುಟಗಳನ್ನು ರೆಂಡರಿಂಗ್ ಮಾಡುತ್ತದೆ, ಕ್ಲೈಂಟ್-ಸೈಡ್ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಎಕ್ಸಿಕ್ಯೂಶನ್ ಅನ್ನು ಅವಲಂಬಿಸಿರುವ ವಿಷಯವನ್ನು ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡಲು ಸಾಧ್ಯವಾಗಿಸುತ್ತದೆ.

ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಅನ್ನು ಸಕ್ರಿಯಗೊಳಿಸಲು ಅಥವಾ ಜಾಹೀರಾತು ಬ್ಲಾಕರ್‌ಗಳನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸಲು ಕೇಳುವ ಸಮಯ ಮೀರುವಿಕೆಗಳು ಮತ್ತು ದೋಷಗಳಂತಹ ಸಾಮಾನ್ಯ ಅಡೆತಡೆಗಳನ್ನು ಬೈಪಾಸ್ ಮಾಡಲು ಪ್ಲೇರೈಟ್ ಸಹಾಯ ಮಾಡುತ್ತಾರೆ. ಉದಾಹರಣೆ ಸ್ಕ್ರಿಪ್ಟ್‌ನಲ್ಲಿ, ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಅಂಶಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಲೋಡ್ ಆಗಿರುವುದನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ವಿಷಯವನ್ನು ಪಡೆಯುವ ಮೊದಲು ಕಾಯಲು ಪ್ಲೇರೈಟ್ ಅನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಲಾಗಿದೆ. ಈ ತಂತ್ರವು ವೆಬ್‌ಸೈಟ್‌ಗಳಿಂದ ಡೇಟಾ ಹೊರತೆಗೆಯುವಿಕೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸುತ್ತದೆ, ಅದು ಬೋಟ್ ಪತ್ತೆ ಅಥವಾ ಡೈನಾಮಿಕ್ ವಿಷಯವನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರವೇಶವನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತದೆ ಅಥವಾ ನಿರ್ಬಂಧಿಸುತ್ತದೆ.

ಪರಿಗಣಿಸಬೇಕಾದ ಒಂದು ಹೆಚ್ಚುವರಿ ಅಂಶವೆಂದರೆ ಬಹು-ಪುಟ ವೆಬ್‌ಸೈಟ್‌ಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯ. ಪ್ಲೇರೈಟ್ ಜಾವಾಸ್ಕ್ರಿಪ್ಟ್ ಅಂಶಗಳನ್ನು ಲೋಡ್ ಮಾಡುವುದಲ್ಲದೆ, ಬಟನ್‌ಗಳನ್ನು ಕ್ಲಿಕ್ ಮಾಡುವುದು ಅಥವಾ ಬಹು ಪುಟಗಳ ಮೂಲಕ ನ್ಯಾವಿಗೇಟ್ ಮಾಡುವಂತಹ ಬಳಕೆದಾರರಂತಹ ಸಂವಹನಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಕಂಟೆಂಟ್ ಅನ್ನು ಹಲವಾರು ವಿಭಾಗಗಳಲ್ಲಿ ವಿಭಜಿಸಿರುವ ಅಥವಾ ಕ್ಲಿಕ್-ಟು-ಲೋಡ್ ಕಾರ್ಯವಿಧಾನಗಳ ಹಿಂದೆ ಮರೆಮಾಡಲಾಗಿರುವ ವೆಬ್‌ಸೈಟ್‌ಗಳಿಗೆ ಇದು ವಿಶೇಷವಾಗಿ ಉಪಯುಕ್ತವಾಗಿದೆ, ರಚನಾತ್ಮಕ ಮತ್ತು ಮೌಲ್ಯಯುತ ಡೇಟಾವನ್ನು ಸ್ಕ್ರ್ಯಾಪ್ ಮಾಡಲು ನಿಮಗೆ ಹೆಚ್ಚಿನ ನಮ್ಯತೆಯನ್ನು ನೀಡುತ್ತದೆ.