سازوکاری برای مدیریت زمان و افزایش دقت اطلاعات هنگام استفاده از کتابخانه سلنیوم

امروزه داده ها به عنوان یکی از دارایی های ارزشمند سازمان ها و صنایع مختلف، نقش مهمی را در توسعه و پیشرفت کسب و کارها ایفا می کنند. در واقع هر سازمانی برای جمع آوری داده های خود از منابع مختلفی استفاده می کند که یکی از این منابع بستر وب می باشد که در آن روزانه داده های زیادی توسط کاربران مختلف و یا حتی ربات ها در سراسر جهان تولید و منتشر می شود. بررسی، تحقیق، مطالعه و تحلیل چنین داده هایی، می تواند اطلاعات و در نهایت دانش مفیدی را برای سازمان فراهم نمود. به همین منظور طی دهه های گذشته ابزارهای مختلفی توسعه یافته اند که به برداشت اطلاعات از بستر وب کمک شایانی نموده اند که از جمله آنها می توان به کتابخانه های ریکوئست، سلنیوم، اسکرپی، سوپ زیبا و .. در زبان برنامه نویسی پایتون اشاره نمود. با این حال، هر یک از این کتابخانه ها با چالش هایی مواجه هستند. ما در این مقاله با مطالعه کتابخانه سلنیوم و با توجه به وجود چالش های متعدد در آن، راه حلی را برای مدیریت زمان و بهبود چالش نامتقارن بودن آن ارائه نموده ایم. آزمایشات ما نشان می دهد که استفاده از راه حل پیشنهادی، دقت اطلاعات برداشت شده از بستر وب را افزایش و در نتیجه چالش نامتقارن بودن را بهبود می دهد و همچنین زمان برداشت اطلاعات از بستر وب را نیز کاهش می دهد.

کلیدواژه ها:

وب اسکرپینگ ، کتابخانه سلنیوم ، نامتقارن بودن ، دقت اطلاعات ، زمان برداشت اطلاعات