Cara menyimpan tabel web sebagai file CSV

File CSV adalah teks biasa yang dapat dibaca oleh setiap program spreadsheet dan database. Memasukkan tabel web ke dalamnya memang mudah; namun, melakukannya tanpa merusak karakter aksen, pemisah yang salah, atau hilangnya angka nol di depan adalah bagian yang sulit. Berikut adalah empat cara beserta kendala dari masing-masing metode.

1. Salin, tempel ke Excel, lalu Simpan Sebagai

Pilih tabel, salin, tempel ke lembar kerja Excel yang kosong, lalu gunakan perintah Simpan Sebagai di menu Berkas dan pilih jenis file CSV UTF-8.

Cocok untuk: tabel kecil yang hanya Anda butuhkan sekali, saat Anda sudah membuka Excel.

Kendala: jika Anda memilih jenis CSV biasa alih-alih CSV UTF-8, setiap karakter di luar halaman kode Windows Anda (aksen, Kiril, Tionghoa) akan berubah menjadi tanda tanya. Excel juga menulis pemisah yang diatur dalam pengaturan regional Windows Anda, sehingga pada banyak sistem Eropa file "dipisahkan koma" Anda sebenarnya dipisahkan oleh titik koma, dan program yang membacanya mungkin mengharapkan koma. Menempel juga dapat menghilangkan angka nol di depan (kode seperti 01234 menjadi 1234), mengubah nilai seperti 1-2 menjadi tanggal, serta seleksi dapat mencakup teks di sekitar tabel.

2. Google Spreadsheet: tempel, lalu Unduh

Tempel tabel ke Google Spreadsheet, lalu buka menu Berkas, pilih Unduh, dan pilih format nilai terpisah koma (.csv).

Cocok untuk: komputer apa pun dengan peramban web, tanpa perlu Excel, dan file selalu berformat UTF-8.

Kendala: file selalu menggunakan koma, yang mungkin tidak dipisahkan ke dalam kolom oleh Excel di wilayah dengan koma desimal saat Anda mengklik dua kali. Hanya lembar kerja yang sedang Anda lihat yang diunduh, bukan seluruh file. Seperti halnya Excel, Google Spreadsheet dapat mengubah beberapa nilai menjadi tanggal atau angka saat ditempel.

3. Python: pandas.read_html

Jika Anda sudah bekerja dengan Python, pandas dapat membaca setiap tabel pada halaman dan menyimpannya ke CSV:

pandas.read_html("https://example.com/page")[0].to_csv("table.csv", index=False)

Angka di dalam kurung siku adalah posisi tabel di halaman (0 untuk yang pertama). Anda harus menginstal pandas dan lxml terlebih dahulu.

Cocok untuk: halaman yang sama setiap minggu, atau ratusan halaman, dalam sebuah skrip.

Kendala: beberapa situs menolak permintaan dengan galat 403 karena tidak terlihat seperti peramban, sehingga Anda harus mengunduh halaman tersebut sendiri dan meneruskan HTML ke pandas. Metode ini tidak dapat melihat halaman di balik halaman masuk (login) atau tabel yang dirender dengan JavaScript setelah halaman dimuat. Tanda catatan kaki seperti [1] tetap ada di tajuk dan nilai, serta bilangan bulat dapat muncul sebagai 8021407192.0 begitu sebuah kolom memiliki sel yang kosong.

4. Ekstensi peramban: satu klik pada halaman yang sedang Anda baca

Ekstensi bekerja langsung pada halaman seperti yang Anda lihat di peramban, sehingga tetap berfungsi setelah Anda masuk dan pada tabel yang dibuat dengan JavaScript. Kami membuat Ordelio Salin Tabel untuk ini (gratis, tanpa batas baris):

Buka halaman dan klik ikon ekstensi (atau tekan Alt+Shift+Y). Ekstensi ini mencantumkan setiap tabel di halaman, dimulai dari yang terbesar; arahkan kursor ke atasnya dan tabel akan disorot.
Tekan CSV: peramban akan menyimpan file yang berisi tabel tersebut. Aksen akan tetap terjaga karena file berformat UTF-8 dengan penanda (BOM) yang memberi tahu Excel, dan pemisahnya adalah titik koma jika bahasa Anda menulis angka desimal dengan koma (Anda dapat memaksa penggunaan koma, titik koma, atau tab di bagian opsi).

Ekstensi ini juga menghapus tanda catatan kaki seperti [1], menggabungkan kembali sel yang digabung agar kolom tetap sejajar, dan menuliskan kode seperti 01234 ke dalam file persis seperti yang ada di halaman (program spreadsheet yang membuka file tersebut mungkin masih mengubahnya menjadi angka).

Kendala: ekstensi ini menyimpan apa yang ada di halaman saat ini, sehingga tabel yang terbagi di beberapa halaman memerlukan satu file per halaman, dan tidak dapat memperbarui file secara otomatis seperti skrip.

Dapatkan Ordelio Salin Tabel untuk Microsoft Edge Versi Chrome dan Firefox: sedang ditinjau.

Mana yang harus digunakan

	Simpan Sebagai Excel	Google Spreadsheet	pandas	Ekstensi
Halaman di balik login	Ya (dengan menyalin)	Ya (dengan menyalin)	Tidak	Ya
Aksen tampil dengan benar	Hanya dengan CSV UTF-8	Ya	Ya	Ya
Pemisah yang dapat dipilih	Tidak (diatur oleh Windows)	Tidak (selalu koma)	Ya (sebuah parameter)	Ya (sebuah opsi)
Ratusan halaman sekaligus	Tidak	Tidak	Ya	Tidak
Waktu untuk satu halaman baru	Sekitar satu menit	Sekitar satu menit	Beberapa menit, pertama kali	Beberapa detik

Singkatnya: untuk skrip yang berjalan setiap minggu di halaman publik, gunakan pandas. Untuk kebutuhan sesekali dari halaman yang sedang Anda baca, terutama di balik halaman masuk, simpan langsung dari halaman tersebut.

Menemukan tabel yang tidak dapat ditangani oleh metode-metode ini? Beritahu kami, kami membaca setiap pesan.