/ GUIDE — 6 min de lecture

Extraire des données de chaque page avec l'extraction personnalisée

Récupérez prix, codes produit, auteurs, dates ou toute autre valeur sur chaque page d'un site, en une exploration — avec des sélecteurs CSS, XPath ou une expression régulière.

À quoi sert l'extraction

Une exploration recueille déjà les faits SEO de chaque page. L'extraction recueille vos faits : le prix sur chaque fiche produit, l'auteur et la date de chaque article, le type de données structurées, la balise de suivi, le texte d'un intertitre précis. Le résultat est un tableau d'une ligne par page et d'une colonne par extracteur, exportable en CSV.

Usages courants : vérifier que chaque produit affiche un prix; lister les articles sans auteur; trouver les pages sans fil d'Ariane; confirmer que la balise d'analyse est partout; recueillir toutes les valeurs og:image pour repérer les pages qui partagent la même.

Trois façons de désigner une valeur

Sélecteur CSS — le plus simple. h1, .price, meta[property="og:title"]. Indiquez un Attribut (facultatif) comme content ou href, ou laissez-le vide pour obtenir le texte.
XPath — quand la structure compte : //div[@class="price"]/span[2], ou « le paragraphe qui suit cet intertitre ».
Expression régulière — appliquée au HTML brut, pour ce qui n'est pas un élément : un format de numéro de commande, un identifiant de suivi, une date dans un script. Elle renvoie son premier groupe de capture, ou la correspondance entière.

Partir d'un modèle préremplit les cas courants : Balises Open Graph, Prix et code produit, Auteur et date, hreflang et URL canonique.

Le même 49 $ atteint de trois façons : un sélecteur CSS, un XPath ou une expression régulière sur le HTML brut.

1. Ajouter les extracteurs avant l'exploration

Nouvelle exploration → Options avancées → Extraction et recherche. Sous Extraction personnalisée, choisissez Ajouter un extracteur, donnez-lui un Nom, choisissez son Type, collez l'Expression, et cochez Toutes les correspondances (20 au plus) si une page peut contenir plusieurs valeurs (chaque produit d'une page de catégorie). Jusqu'à 3, 5 ou 10 extracteurs par exploration, sur Starter, Growth et Agency.

2. Ajouter une recherche personnalisée (facultatif)

La même section accepte une Recherche personnalisée : un texte ou un motif compté dans le code source de chaque page HTML — 2 recherches sur Starter, 5 à partir de Growth. Le compte apparaît dans la colonne Recherche personnalisée de Pages, et le filtre gtag : absent répond en un clic à « quelles pages ne contiennent pas gtag( ».

3. Lire l'onglet Extraction

Après l'exploration, Données → Extraction affiche l'URL et une colonne par extracteur. Filtrez sur Author : vide — ou a une valeur — pour trouver les pages auxquelles il manque quelque chose, et emportez le tableau avec Exports → Extraction (CSV).

Une ligne par page, une colonne par extracteur. Le filtre Author : vide ne garde que la page à laquelle il manque une signature.

Faites d'une valeur extraite un segment, et chaque rapport se filtre dessus — sans tableur. Voir les forfaits →

4. Faire des valeurs des segments

Dans Options avancées → Segments, choisissez Ajouter un segment avec la règle La valeur extraite est — « les pages où type = product » — puis Enregistrer pour ce site. Les segments s'appliquent à partir de la prochaine exploration du site; dès lors, Problèmes, Pages, Comparer et chaque CSV peuvent être filtrés sur le segment. Voilà comment vérifier « toutes les fiches produit ont-elles des données structurées ? » sans ouvrir de tableur.

Un extracteur nommé type renvoie product, article ou page; un segment garde les 312 pages produit, et la vue Problèmes peut alors se lire pour ces pages seulement.

5. Les pages construites en JavaScript

Si la valeur n'existe qu'après l'exécution du JavaScript, réglez le Rendu JavaScript sur Pages minces seulement ou Toutes les pages : les extracteurs liront la page rendue. Sur un site vérifié, vous pouvez aussi ajouter du JavaScript personnalisé — défiler jusqu'en bas, cliquer sur « charger plus », lire window.dataLayer ou votre propre fonction — et la valeur que renvoie chaque extrait apparaît dans l'onglet Extraction.

Limites et savoir-vivre

Nosy Bat s'identifie comme Echorank360Bot, respecte le robots.txt et reste sous deux requêtes par seconde, sur votre site comme sur tout autre. L'extraction sert aux sites qui vous appartiennent ou que vous avez la permission d'explorer; ce n'est pas un moyen de contourner les conditions d'un site. Le JavaScript personnalisé et les agents utilisateurs Googlebot ou personnalisés ne sont offerts que sur les sites dont vous avez vérifié la propriété.