このページでは

For AI agents: a documentation index is available at /docs/llms.txt. Append .md to any page URL for markdown, or send Accept: text/markdown.

スクレーパー

ウェブサイトのソースリポジトリを使用すると、一般向けウェブサイトをスクレイピングして、ユーザーに役立つ可能性のある記事を抽出できます。ウェブサイトとリッチコンテンツは多種多様であるため、このコンテンツソースを使用する際は以下の情報を注意深くお読みください。

連携が使用しているドキュメントプラットフォームをサポートしている場合は、その連携を使用してください。リソースセンター専用の連携機能により、エンドツーエンドの体験が向上します。ウェブサイトスクレーパーは強力なツールですが、フォールバックオプションとして扱ってください。

ウェブサイトオプション

ウェブサイトスクレーパーはソース設定のための独自のオプションを提供します。 この情報は、メインのソースリポジトリページの手順と併せて使用してください。

URLから抽出する

含める正確なURLを指定する場合には、次の2つのオプションがあります。

  • URL：URLは必要な数だけ直接含めることができます。特定のリンクまたはウェブサイト全体を指定できます。 URLを追加をクリックして各リンクを追加します。
    • 入力された各URLについて、Amplitudeはそれらのサイトに関連付けられているリンクを可能な限り再帰的に取得します。
    • メインの URL リンクからアクセスできないサポート記事がある場合は、複数の URL を使用してください。
    • この方法では、該当するすべてのリンクが見つからない場合があります。
  • アップロード：含める特定のURLのCSVまたはXMLサイトマップファイルをアップロードします。
    • このメソッドは、ソースリポジトリを形成する URL リンクとページを正確に指定する場合に使用します。
    • サイトマップを提供する際には、ソースリポジトリをハードコード化し、新しい記事が自動的に組み込まれるのを防ぎます。その後、手動で新しい記事を追加します。
    • CSVファイルとXMLファイルには、URLに関連付けられた特別なフォーマットは必要ありません。サイトマップを使用してください。

高度なオプション

URLセクションの下にある詳細をクリックすると、次のオプションにアクセスできます。

  • これらのURLパスのみを含める：特定のURLのみを含めることで、ソースリポジトリをさらにフィルタリングできます。これは、Web サイト全体を追加する場合に最も役立ちます。
  • これらのURLパスを除外する：ソースリポジトリから特定のURLを除外することで、ソースリポジトリをさらにフィルタリングできます。これは、たとえば、ソースリポジトリから会社のブログ投稿を除外したい場合に便利です。
  • デフォルトのセレクターを上書きする：含めるコンテンツセレクターのみを指定したり、ウェブサイト要素を無視したりできます。詳細については、次の項を参照してください。

ウェブサイトスクレーパーは、デフォルトではメインコンテンツだけでなく、ページに関するすべての情報を取り込みます。これには、ページヘッダー、メタデータ、その他の情報が含まれます。 その結果、リソースセンターの記事にはメインページのコンテンツとそれとは関係のないコンテンツの両方を含めることができます。 Amplitudeはヒューリスティックを使用してできるだけ多くの無関係なコンテンツを特定して削除しますが、一部のコンテンツがまだ記事に表示される場合があります。 コンテンツセレクターを使用して、リソースセンターの記事に追加するコンテンツをターゲットに設定および識別できます。

セレクターは、スクレーパーがページ上のメインコンテンツとみなすものを上書きします。 ウェブサイトスクレーパーはセレクターを使用して、そのセレクターに関連付けられたコンテンツのみを取得します。 複数のセレクターを作成して、さまざまなコンテンツをターゲットにすることができます。

複数のセレクターがある場合、ウェブサイトスクレーパーは各セレクターをユーザーが作成した順序で検索します。ウェブサイトスクレーパーが特定のURLリンクでセレクタを見つけられない場合、Amplitudeのヒューリスティックに基づいて情報を保存します。

除外したページを再同期する

ウェブサイトスクレーパーは自動的に一部のページを無視します。 これには通常、ランディングページやリンクのみを含み、その他のテキストを含まないページが含まれます。 通常、これらのタイプのページにはリソースセンターの記事に適した情報が含まれていないため、ソースリポジトリから削除しても問題ありません。

ただし、場合によっては、これらのページをソースリポジトリでアクティブなままにしておくために、これらのページを再度含める必要がある場合があります。

ページを再同期する

  1. ガイドとサーベイ > コンテンツに移動し、必要なソースリポジトリを選択します。
  2. 同期エラーをクリックします。
  3. 除外されたページを検索し、再度含めるページを選択します。
  4. 同期を強制して公開をクリックします。

これは役に立ちましたか？