Diferencia entre revisiones de «LSWC scraping the web/presentacion lwsc 2011»

De WikiEducator
Saltar a: navegación, buscar
Línea 8: Línea 8:
 
identi.ca: lmorillas  
 
identi.ca: lmorillas  
 
</div>  
 
</div>  
 +
<div class="slide">
 +
==1. Intro  ===
 +
 +
</div>
 +
 
<div class="slide">
 
<div class="slide">
 
===¿Por qué hacer scraping?===
 
===¿Por qué hacer scraping?===
Línea 55: Línea 60:
 
<div class="slide">
 
<div class="slide">
 
===  ===
 
===  ===
 +
 +
</div>
 +
<div class="slide">
 +
==2. Práctica  ===
  
 
</div>
 
</div>

Revisión de 10:14 6 nov 2011

Screen Scraping :: Aumentando el poder de la web

Luis Miguel Morillas <lmorillas at xml3k.org>

identi.ca: lmorillas

1. Intro =

¿Por qué hacer scraping?

  • En la web hay mucha información
  • No siempre estructurada (opendata)
  • Web de datos
  • Divertido

¿Por qué Python?

  • Crecimiento de los lenguajes dinámicos en la web.
  • Muchos módulos, herramientas, ejemplos y documentación.
  • Open-source

Búsqueda "bruta"

import urllib2
 
URL = 'http://www.libresoftwareworldconference.com/'
source = urllib2.urlopen(URL).read()
  • Proceso del texto
  • Expresiones regulares


Librerías en Python

  • Beautiful Soup
  • mechanize
  • lxml
  • html5lib
  • scrapemark
  • pyquery
  • scrapy

...

amara

2. Práctica =


Obtenido de «https://es.wikieducator.org/index.php?title=LSWC_scraping_the_web/presentacion_lwsc_2011&oldid=6325»