Come trasformare un sito web in un foglio di calcolo, senza scrivere codice

Risposta breve: trasformare un sito in una tabella è un problema che sembra tecnico e non lo è: la parte difficile non è leggere l'HTML, è decidere quali colonne vuoi e riuscire a dimostrare da dove viene ogni valore. Descrivi il tuo cliente ideale. Searchbase lo trova in tutta Europa con un prompt, con la fonte su ogni cella, e la stessa cosa vale quando il punto di partenza non è un cliente ma un URL: dai l'indirizzo, dici a parole le colonne che ti servono e torna un foglio dove ogni cella porta il link alla pagina da cui è stata presa.

Il caso classico è sempre lo stesso. C'è un sito con qualche centinaio di pagine, un catalogo, una directory, un elenco di espositori di una fiera, e serve in tabella. Le due strade tradizionali sono copiare a mano, che su trecento pagine è una settimana, oppure configurare uno scraper. Oggi si usa Octoparse per costruire questo tipo di estrazioni a punta e clic, definendo i selettori sulla pagina. Funziona, ma va configurato per ogni sito, e quando il sito cambia struttura la configurazione si rompe in silenzio.

Qui il gesto è un altro: descrivi il risultato che vuoi, non il percorso per ottenerlo.

Passo 1: una pagina sola, per capire la forma

Non partire mai dall'intero sito. Parti da una pagina e guarda cosa esce.

"Apri questa pagina e dimmi tutti i campi che riesci a estrarre, con il valore che hai trovato per ognuno."

Quello che succede: l'agente apre l'indirizzo, legge la pagina ed elenca quello che ci ha trovato dentro. Serve a te, non a lui: in trenta secondi vedi se il sito espone i campi che ti aspettavi oppure se il dato che cerchi non sta lì ma su una pagina di dettaglio. Costa circa 1 credito, ed è il credito meglio speso di tutta la procedura.

Passo 2: nominare le colonne

Adesso decidi tu la forma della tabella. Questo è il passo che sostituisce la configurazione dello scraper.

"Da questa pagina estraimi queste colonne: nome del prodotto, prezzo, disponibilità, categoria, marca e URL dell'immagine. Se un campo non c'è, lascialo vuoto."

L'agente estrae solo i campi che hai nominato e li mette in colonna. La frase finale non è pleonastica: è quella che stabilisce il patto. Un campo assente resta vuoto e non viene dedotto dal contesto.

Le colonne le nomini in italiano corrente. Non serve conoscere la struttura del sito, non serve un selettore, non serve sapere se quel prezzo sta dentro uno <span> o dentro un attributo dati.

Passo 3: dalla pagina a tutto il catalogo

Con la forma giusta, si allarga.

"Fai la stessa tabella per tutte le pagine di questa sezione, seguendo la paginazione fino alla fine, e aggiungi una colonna con l'URL della pagina di ogni riga."

L'agente pianifica il percorso, cioè capisce come si passa da una pagina all'altra, poi le apre in sequenza, legge, estrae e fa comparire le righe in streaming mentre lavora. Non aspetti la fine per vedere il primo risultato: dopo un minuto hai già decine di righe e capisci se l'estrazione sta girando bene o se conviene fermarla.

La colonna con l'URL di origine è quella che ti salverà fra due settimane, quando qualcuno chiederà da dove viene una riga specifica.

Passo 4: i campi che stanno su un'altra pagina

Nei cataloghi veri metà dei campi utili non è nell'elenco, è nella scheda di dettaglio.

"Per ogni riga apri la scheda del prodotto e aggiungi codice, descrizione breve, materiale, dimensioni e tempi di consegna dichiarati."

Qui il costo cresce, perché ogni scheda aperta è una pagina in più, circa 1 credito. Conviene farlo dopo aver visto che l'elenco è quello giusto, non prima. È esattamente lo stesso ordine che seguiresti a mano, con la differenza che non lo fai tu.

Passo 5: da un sito a una categoria di siti

Il salto vero è questo, e non ha equivalente negli strumenti configurati a mano: non un URL, ma una descrizione.

"Non ho un elenco di indirizzi. Trova i siti dei produttori italiani di arredamento per ufficio che vendono anche online, e per ognuno fammi la stessa tabella con nome, sede, categorie di prodotto, presenza di un listino pubblico, email di contatto e link alla pagina da cui viene ogni dato."

L'agente prima cerca sul web per costruire l'elenco dei siti, poi apre ciascuno, legge le pagine che servono ed estrae le colonne che hai nominato. Uno scraper configurato non può fare questo passo, perché presuppone di sapere già su quale sito sta lavorando.

Passo 6: rifarlo e confrontare

Una tabella statica invecchia. Un foglio che si rifà è un'altra cosa.

"Rifai la stessa estrazione di due settimane fa sugli stessi indirizzi e segnami solo le righe cambiate: prezzi diversi, prodotti nuovi, prodotti spariti."

È il monitoraggio prezzi fatto senza costruire un sistema di monitoraggio prezzi. Vale per il tuo catalogo, per quello di un concorrente o per un listino di fornitori.

Cosa torna indietro

Una tabella con le colonne che hai nominato tu, e nessuna che non hai chiesto. Su una estrazione da sito le più frequenti sono nome, prezzo, disponibilità, categoria, codice, descrizione, immagine, contatto e URL della pagina di origine, ma il punto è proprio che l'elenco lo decidi tu ogni volta.

Ogni cella porta una chip con il link alla fonte, e quel link punta alla pagina esatta da cui il valore è stato letto, non alla home del sito. Accanto c'è un badge di freschezza con la data di raccolta, e l'indicazione del metodo di estrazione usato per quella cella.

La regola sui buchi è la stessa ovunque: se un valore non è verificabile, la cella resta n/a. Un prezzo che compare solo dopo il login non viene stimato dal listino di un prodotto simile. Una email che il sito non pubblica non viene costruita mettendo insieme info@ e il dominio. Una tabella con dei vuoti onesti è utilizzabile; una tabella piena di valori plausibili non lo è, perché non sai quali controllare.

Fuori: JSON sul piano gratuito, CSV da Starter, API da Pro, webhook da Business.

Quanto costa in crediti

Si paga per azione, non per riga. Una pagina letta costa circa 1 credito, un profilo social circa 3, una ricerca approfondita da 20 a 40.

L'aritmetica è quindi semplice da fare prima: un catalogo di duecento prodotti letto solo dall'elenco costa poche decine di crediti, perché le pagine di elenco sono poche. Lo stesso catalogo con la scheda di dettaglio aperta su ogni prodotto costa circa duecento crediti, perché sono duecento pagine. Il Passo 1 su una pagina sola costa 1 credito e ti dice in anticipo in quale dei due casi ti trovi.

Il piano gratuito dà 150 crediti al mese senza carta, sufficienti per una estrazione completa di media dimensione. Starter a 29 euro con 1.000 crediti al mese. Pro a 79 euro con 4.000 crediti e accesso API, che è il piano di chi vuole richiamare l'estrazione da un proprio programma. Business a 199 euro con 12.000 crediti e webhook. Fatturazione in euro da una società europea.

Limiti, detti chiaramente

Le pagine dietro login non vengono lette. Un'area riservata, un portale clienti, un listino visibile solo agli utenti registrati restano fuori, e non c'è un modo di aggirarlo che sia anche corretto.

I paywall valgono lo stesso. Un articolo o una scheda leggibile solo a pagamento non viene aperta, e le sue celle restano vuote.

I valori non verificabili restano vuoti, sempre. Vale per il prezzo quando è mostrato solo nel carrello, per la disponibilità quando la pagina non la dichiara, per il contatto quando esiste solo un modulo senza indirizzo esposto.

Un sito può cambiare struttura fra due estrazioni. La descrizione a parole regge molto meglio di un selettore fisso, perché non è ancorata alla forma della pagina, ma se un campo sparisce dal sito sparisce anche dalla tabella. È il motivo per cui la data di raccolta su ogni cella conta.

E se dalla tabella vuoi passare al contatto, per esempio scrivere ai produttori che hai appena censito, l'agente scrive le bozze delle sequenze email e LinkedIn e te le mette davanti. Le rivedi tu, niente parte da solo.

Domande frequenti

Serve saper programmare? No, e non serve nemmeno configurare selettori o regole di estrazione. Le colonne si nominano a parole in italiano. La competenza che serve davvero è un'altra: decidere quali campi ti servono e in che forma, che è la stessa decisione che prenderesti prima di costruire un foglio a mano.

Funziona sui siti pieni di JavaScript? Le pagine vengono lette come le vede un browser, quindi i contenuti che compaiono dopo il caricamento in genere ci sono. I casi che restano difficili sono quelli dove il contenuto arriva solo dopo un'azione dell'utente, per esempio un pulsante che va premuto per vedere il prezzo o un filtro che va impostato a mano.

Posso estrarre da un sito che non è mio? Puoi leggere quello che il sito pubblica pubblicamente, che è la stessa cosa che fa chiunque apra quell'indirizzo con un browser. Restano fuori le aree con login e i contenuti a pagamento. Se poi i dati che raccogli sono dati personali, entra in gioco il GDPR e la valutazione va fatta con un professionista: questo non è un parere legale.

Come faccio a sapere se un valore è affidabile? Cliccando la chip fonte sulla cella. Ti porta alla pagina esatta da cui quel valore è stato letto, con la data di raccolta accanto. È l'unica verifica che vale davvero, perché una percentuale di accuratezza dichiarata è una statistica sull'insieme e non dice niente sulla riga che stai guardando.

Quanto ci mette su duecento pagine? Minuti, non ore, e vedi le prime righe quasi subito perché arrivano in streaming mentre l'estrazione procede. Il tempo vero che ti resta è quello di controllare le colonne che ti interessano di più, che è un lavoro di verifica e non di raccolta.

E se il sito cambia dopo un mese? Rilanci la stessa richiesta e chiedi solo le differenze. Non c'è una configurazione da riparare, perché non c'era una configurazione: c'era una frase, e quella continua a funzionare anche se la pagina è stata rifatta.

Prezzi verificati il 2026-09-08 su searchbase.org.