SCRAPE_BY_CSS_PATH

Por padrão, SCRAPE_BY_CSS_PATH retorna o conteúdo de texto visível do elemento correspondente, que é o que um usuário vê na página. Quando você especifica um parâmetro de atributo, ele extrai o valor daquele atributo HTML. Por exemplo, uma tag anchor <a href="https://example.com" class="link">Clique aqui</a> retornaria "Clique aqui" sem um atributo, mas retornaria "https://example.com" se você definir o atributo como "href". Atributos comuns incluem "href" para links, "src" para imagens, "alt" para descrições de imagens, "content" para meta tags e quaisquer atributos personalizados "data-*".

Habilite renderJs quando o conteúdo que você deseja extrair é carregado dinamicamente via JavaScript. Sinais de que você precisa incluem: a função retorna resultados vazios ou "Nenhuma correspondência encontrada" mesmo que você possa ver o conteúdo no seu navegador; o site é uma aplicação de página única construída com React, Vue, Angular ou frameworks similares; o conteúdo carrega após rolar ou após um atraso; ou a página mostra um spinner de carregamento antes do conteúdo aparecer. O modo padrão é mais rápido e econômico, então tente sem renderJs primeiro e habilite apenas se necessário.

Cada chamada para SCRAPE_BY_CSS_PATH direciona um seletor CSS, mas esse seletor pode corresponder a múltiplos elementos do mesmo tipo (todos retornados como linhas). Para extrair diferentes tipos de elementos (por exemplo, tanto títulos quanto preços), faça chamadas de função separadas com seletores diferentes. Você pode combinar seletores CSS com vírgulas para corresponder a múltiplos tipos de elementos em uma chamada, por exemplo ".title, .price", mas os resultados serão intercalados. Para extração de dados estruturados onde você precisa manter títulos emparelhados com seus preços, use colunas separadas com um seletor por coluna.

A função retorna até 500 elementos correspondentes por chamada. Se a página contiver mais de 500 elementos correspondentes, apenas os primeiros 500 são retornados. Para a maioria dos casos de uso isso é mais do que suficiente. Se você precisar extrair páginas com números extremamente grandes de elementos, considere usar seletores CSS mais específicos para reduzir os resultados, ou use parâmetros de paginação se o site alvo os suportar.

SCRAPE_BY_CSS_PATH acessa páginas como um visitante anônimo sem cookies ou dados de sessão. Não pode extrair conteúdo atrás de muros de login, paywalls ou barreiras de autenticação. O scraper não suporta envio de cookies, headers ou credenciais. Para conteúdo autenticado, você precisaria encontrar uma API pública para esse serviço ou usar uma fonte de dados alternativa. Alguns sites oferecem APIs JSON públicas ou feeds RSS que podem fornecer os dados que você precisa sem autenticação.

O scraper faz requisições HTTP similares a um navegador web e não verifica nem aplica automaticamente as regras do robots.txt. No entanto, você deve revisar e respeitar o arquivo robots.txt do site alvo e os termos de serviço antes de extrair. Extração excessiva pode levar ao bloqueio do seu IP. Use a função responsavelmente, evite extrair em alta frequência e respeite os limites de taxa. Unlimited Sheets aplica sua própria limitação de taxa para prevenir abusos.

SCRAPE_BY_CSS_PATH é uma função independente que substitui a necessidade de IMPORTXML ou IMPORTHTML em muitos casos. Ao contrário de IMPORTXML, ela usa seletores CSS (que são mais intuitivos para a maioria dos usuários) em vez de expressões XPath. Ao contrário de IMPORTHTML, pode direcionar qualquer elemento na página, não apenas tabelas e listas. Você pode usar SCRAPE_BY_CSS_PATH junto com funções nativas do Google Sheets na mesma planilha sem conflitos.