Como escolher uma lista de blogs de acordo com o seu índice de popularidade Technorati?
Precedente no artigo, aprendemos a servir-nos do "software" gratuito XScrape, que permite extrair dados do web. Vamos utilizar-o hoje num exemplo prático: a selecção de uma lista de blogs de acordo com o seu índice Technorati.
O índice de popularidade de um blog, na acepção de Technorati, corresponde ao número de blogs diferentes que vinculam para este blog. Não é necessariamente um índice de qualidade mas um indicador da influência do blog no blogosphère, que pode ser vinculado também às capacidades do autor de promover o seu blog. É por conseguinte lógico interessar-se a fim de estudar os métodos dos blogueurs que tiveram êxito a fazer o seu buraco.
Consultar o índice de Technorati um blog, nada de mais simples: é suficiente consultar a página http://www.technorati.com/blogs/ {adresse_du_blog_voulu}. Consequentemente, parece fácil a automatizar a recuperação do índice de Technorati de vários blogs graças a XScrape.
A fim de tornar a nossa empresa interessante, vamos inclinar-se sobre a lista de blogs de desenvolvimento pessoal de Priscilla Palmer (eh sim, não me canso;). A selecção da lista de Priscilla desenrolar-se-á em 4 fases distintas:
- Recuperação automática das relações dos blogs da página de Priscilla Palmer
- Transformação destas relações em relações Technorati
- Recuperação automática dos índices Technorati dos blogs
- Selecção das informações obtidas
Recuperação automática das relações dos blogs da página de Priscilla Palmer
Para recuperar as relações dos blogs da lista de Priscilla Palmer, é suficiente executar XScrape com os parâmetros seguintes:
URL: http://priscillapalmer.com/pdl.php/
Inclusivo URLs: http://priscillapalmer.com/pdl.php/
Exclusivo URLs: http://priscillapalmer.com/,http://www.priscillapalmer.com/
Regular Expressão: <a [^<>] *href=” http [^<>] *target=” _blank” [^<>] *> [^<>] *</a>
Uma rápida análise da página de Priscilla permite com efeito ver que todas as relações dos blogs listados possuem o atributo target=” _blank”, o que permite recuperar automaticamente as boas relações.
Transformação destas relações em relações Technorati
Após ter recuperado o resultado de XScrape num ficheiro texto, uma simples operação de substituição é suficiente obter as relações Technorati:
- Substituir http:// por: http://www.technorati.com/blogs/
De momento, ainda não tenho encontrado o meio para analisar uma página HTML sem estar a utilizar um endereço http. Por conseguinte pus esta página sobre o meu servidor local de modo que XScrape possa encontrar o ficheiro. Aquilo dá um endereço do tipo http://localhost/…
Recuperação automática dos índices Technorati dos blogs
Para recuperar os índices de technorati dos blogs da lista de Priscilla Palmer, é suficiente executar XScrape com os parâmetros seguintes:
URL: http://localhost/lienstechnorati.html (a página que construiu-se à etapa precedente)
Inclusivo URLs: http://www.technorati.com/blogs/
Exclusivo URLs: http://www.technorati.com/blogs/tag/
Regular Expressão: <a [^<>] *class=” links” [^<>] *href=” /search/ [^<>] *title=” View [^<>] *blog [^<>] *reactions” >Authority: [^<>] *</a> [^<>] *</div> [^<>] *<div> [^<>] *<a [^<>] *class=” fav
Para encontrar a boa expressão regular, é necessário consultar o código fonte de uma página de blog Technorati. Seguidamente tatônnant ligeiramente, obtem-se finalmente a boa expressão regular.
Notam que este método tem-me permi de recuperar cerca de 80% dos índices technorati, e isto por 3 razões:
1/Certains relações não correspondiam à raiz do blog
2/Certains relações não têm ainda índice porque ninguém ainda vinculou o seu blog
3/Certains relações não são blogs
Selecção das informações obtidas
Com um pouco de Excel e ligeiramente um pouco de autohotkey, pode-se fazer maravilhas.
Eis como procedi:
- Primeiro tenho suprimido na saída obtida todos os dados inúteis
- Seguidamente transformei o ficheiro em formato CSV por substituições sucessivas para obter linhas onde as colunas são separadas por pontos vírgula, para poder importar-o em Excel:
http://www.threesixtyalliance.com/360-view;6
http://www.todayisthatday.com/blog;314
http://www.positiveselftalkguide.com;46
etc.
- Para conhecer os blogs dos quais não se pôde ter o índice, é interessante também importar os dados da lista obtida aquando da etapa 1 no mesmo ficheiro Excel a fim de fazer uma comparação.
- Graças um certificado autohotkey, pode-se seguidamente facilmente fazer corresponder as colunas e obter um resultado deste tipo:
(há em toda uma 727 linhas)
- Pode-se seguidamente escolher as linhas e exportar todos os dados num ficheiro HTML para obter a lista final.
Conclusão
Espero que graças à este artigo, terá podido descobrir a potência de XScrape. Observará-se que é possível fazer a mesma coisa utilizando o API de Technorati, mas o método apresentado aqui à vantagem de não necessitar nenhum conhecimento em programação.
No próximo artigo, encontrará a lista completa dos blogs de desenvolvimento pessoal de Priscilla Palmer escolhidos de acordo com o seu índice Technorati.
Tags: autohotkey, blog, Desenvolvimento Pessoal, Excel, expressão regular, lista, parseur, popularidade, regular expressão, technorati, tutoriel, xscrapeSe gostar deeste artigo, der mais visibilidade votando por ele sobre Scoopeo:
Artigos similares (em teoria):
Stats
XScrape: um "software" gratuito para extrair dados a partirem do web
Página de stats: onde encontrar os melhores certificados de estatísticas
Mais de 350 blogs sobre o tema do desenvolvimento pessoal
Projecto de artigo de colaboração: a lista final dos blogs de desenvolvimento pessoal francófonos
Jean Michel said,
Wrote ele Março de 10,2008 @ 20:05
Um tuto explicado bem
bonito trabalho
Bom fim de dia:)