Ziskávání dat pro realitní agregátor z veřejně dostupných zdrojů

Bc. Roman Tiefenbach

Diplomová práce

Acquiring and Processing Data for a Real Estate Aggregator from Publicly Available Sources \nl{}

Anotace:

Diplomová práce popisuje obecné možnosti získávání dat se zaměřením na realitní agregátory. Jako hlavní téma rozvádí konkrétní metodu zisku dat z veřejně dostupných zdrojů, tzv. web scraping. V teoretické části se práce snaží objasnit problematiku, nastínit využití, ale i upozornit na možné právní důsledky. Poukazuje na technologie a nástroje používané při web scrapingu. V druhé části je obsažen návrh a realizace vytvořené webové aplikace pro automatické získávání dat z více zdrojů. Součástí je i prezentace dosažených výsledků a porovnání se zástupci ve stejné oblasti. Zmíněny jsou i možné způsoby využití takto získaných dat v praxi.

Abstract:

This master thesis describes general means of data acquisition with a focus on real estate aggregators. The main topic in first part elaborates on specific method of web scraping to obtain data from publicly available sources. The theoretical part of the thesis contains clarification of web scraping issues, outlines applications and highlights the possibility of legal consequences. It also covers the technology and tools used in web scraping. The second part of thesis contains design and implementation of web application which was created for automatic acquisition of data from multiple sources. It also includes a presentation of gathered results and compares application with representatives in the same area. The final part discusses possible uses of data obtained through web scraping in practice.

Klíčová slova

web scraping, data scraping, získávání dat, extrakce dat z HTML, parsovací nástroje, technologie scrapingu, jazyk C#, ASP.NET

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 13. 5. 2014

Zveřejnit od: 13. 5. 2014

Obhajoba závěrečné práce

• Vedoucí: doc. Mgr. Roman Jašek, Ph.D.

Univerzita Tomáše Bati ve Zlíně

Fakulta aplikované informatiky

Magisterský studijní program / obor:
Inženýrská informatika / Informační technologie