Extraire des données web depuis des captures avec Gemini
Vous partez d'une liste d'URL dans Google Sheets et vous récupérez des données structurées dans un second onglet. Le workflow capture chaque page en pleine hauteur avec ScrapingBee, puis Gemini 1.5 Pro en extrait les champs à partir de l'image. Quand la capture ne suffit pas, l'agent passe au HTML converti en Markdown. Le format de sortie est prévu pour des fiches e-commerce : adaptez le Structured Output Parser si vos colonnes changent, et vérifiez la réglementation sur le scraping dans votre pays avant de lancer.
- Déclencheur
- Lancement manuel
- Taille
- 14 nœuds
- Outils
- Requêtes HTTP (API), Google Gemini, Google Sheets, Agent IA
Comment fonctionne ce workflow
- 1
Google Sheets lit les URL à traiter dans l'onglet List of URLs.
- 2
Set Fields prépare le champ url pour les appels suivants.
- 3
ScrapingBee, appelé par un nœud HTTP Request, produit une capture d'écran de la page.
- 4
L'agent IA, relié à Google Gemini, lit la capture et en extrait les données.
- 5
Si l'extraction échoue, l'agent déclenche l'outil HTML, ScrapingBee renvoie le HTML et HTML to Markdown le convertit.
- 6
Le Structured Output Parser met les données en JSON, Split Out sépare les lignes, et Google Sheets les ajoute à l'onglet Results.
Quand l'utiliser
- Relever les prix et références d'une liste de fiches produits e-commerce.
- Remplir l'onglet Results à partir d'URL collectées dans une autre feuille.
- Tester un extracteur sur des pages dont le HTML est difficile à exploiter, en s'appuyant sur ce qui s'affiche à l'écran.
À préparer avant l'import
- Une feuille Google Sheets avec deux onglets, List of URLs et Results, ou la feuille d'exemple proposée dans les notes.
- Une connexion Google Sheets configurée dans n8n.
- Une clé API ScrapingBee renseignée dans les identifiants n8n.
- Une clé API Google Gemini renseignée dans les identifiants n8n.
Bon à savoir
Dans ScrapingBee - Get Page Screenshot, vérifiez que screenshot_full_page vaut true. Sinon, l'agent ne voit que la partie visible de la page.
Installer ce template dans n8n
- Téléchargez le fichier JSON avec le bouton en haut de la page.
- Dans n8n, ouvrez le menu d'un workflow vide, choisissez « Import from File » et sélectionnez le fichier.
- Reliez vos propres identifiants à chaque nœud qui en demande un, lancez un test, puis activez le workflow.
Ce template fonctionne sur n8n auto-hébergé comme sur n8n Cloud. Les nœuds IA demandent une version récente de n8n.
Autres templates : Extraction & Scraping
- Extraire des données d'une page web avec Bright Data et GeminiExtrait des données structurées d'une page web via Bright Data Web Unlocker, puis les analyse avec Gemini.
- Faire naviguer un agent IA sur le web avec AirtopUn agent IA pilote un navigateur Airtop depuis un formulaire n8n pour extraire des informations de pages web.
- Scraper des données web avec Bright Data et un agent GeminiUn agent IA Gemini choisit l'outil de scraping Bright Data adapté à une demande, puis transmet la réponse à un webhook.
- Extraire des données Google Trends avec Bright Data et GeminiExtrait des données structurées d'une page Google Trends via Bright Data, puis en rédige un résumé avec Gemini.
- Résumer l'actualité crypto et son sentiment via TelegramUn bot Telegram qui renvoie un résumé de l'actualité crypto sur le mot-clé envoyé, avec le sentiment du marché.
- Extraire les entités d'une page web avec Google NLPEnvoie une URL à un webhook et reçoit en retour les entités nommées de la page, avec leur type et leur score de saillance.
Vous voulez ce workflow branché sur vos outils ?
Ce template est un point de départ. Nous l'adaptons à vos règles, à vos comptes et à votre hébergement, puis nous le maintenons.
Voir notre accompagnement n8n