Migrazione di un sito web mediante tecnica di estrazione dati automatizzata - Slide Prelaurea di Zorzoli Giulio

1. Migrazione di un sito
web mediante tecnica
di estrazione dati
automatizzata
Giulio Zorzoli
Università degli studi di Trieste
Ingegneria dell’Informazione
9 Ottobre 2019

2. Caso di studio
 Web site del Machine Learning Lab UniTS
 Realizzato in Google Sites Classic
 Migrazione da Classic a New

3. Migrazione. Perchè?
1. Google Sites Classic è deprecato
2. Google Sites New
1. Protocollo HTTPS
2. Sito Responsive
3. Look moderno

4. Vincoli di Progetto
1. Utilizzo di Google Sites
2. Nessuna perdita di informazioni
95 pagine web di Pubblicazioni
43 pagine web di News
3. Meccanismo per inserimento nuove pubblicazioni o
news
 Informazioni dinamiche vs statiche

5. Confronto
Pre-migrazione
 Google Sites Classic
 Nuove informazioni
Nuova pagina web
 Informazioni Statiche
Post-migrazione
 Google Sites New
 Nuove informazioni
Rendering su pagina
web unica
 Informazioni Dinamiche

6. Il problema (1)
 Migrazione da classic a new
 No perdita di informazioni
 Sì vincoli imposti
 Tool di migrazione automatico Google
 Non utilizzabile!
 Necessaria soluzione ad hoc

7. Il problema (2)
 Come prelevare e preservare le informazioni presenti
in ogni pagina del sito web?
 6 Pagine principali statiche
 Facile!
 95 Pagine di pubblicazioni + 43 di news
 Molto complicato!

8. Web Crawler
 Programma headless
1. Visita pagina web
2. Prelievo struttura HTML
3. Conversione a struttura ad albero
4. Ricerca di informazioni
 Navigazione tra i nodi
 Regole sintattiche

9. Dati strutturati. Quale
formato?
 No JSON
 No CSV
 No XML
 No Database
 Sì Spreadsheet Google

10. Frontend
 Pagine Statiche
 No HTML, CSS, Javascript
 Sì Elementi nativi Google Sites New
 Pagine dinamiche
 AwesomeTable
 Sì HTML, CSS, Javascript

11. Screenshot (1)

12. Screenshot (2)

13. Ricapitolando...
Prima
 Oltre 100 pagine web
 6 principali
 95 di pubblicazioni
statiche
 43 di news statiche
 Nuovo elemento
 Nuova pagina web!
Look obsoleto
Dopo
 20 pagine web
 5 principali
 3 statiche
 2 dinamiche
 Nuovo elemento
 Aggiunto nello
spreadsheet
Look moderno

14. Conclusione
 Al termine del periodo di tirocino il nuovo sito web
risulta pronto per la produzione e può essere visionato
a questo link:
https://sites.google.com/view/tesi-zorzoli
Grazie per l’attenzione