Taller de Web Scraping LWSC 2011

Actividad

Objetivo

Introducción a las técnicas básicas de scraping usando Python y Amara Herramientas de ayuda (firebug, curl, ...)

Configuración del entorno

Configuración del entorno

Instalación de amara $ sudo pip install http://files.akara.info/00-amara-latest.tar.bz2 Tip: Es necesario tener instalado un compilador de C y la cabeceras de python (en debian/ubuntu hay que instalar python-dev) Instalar firebug https://addons.mozilla.org/es-es/firefox/addon/firebug/

{{Actividad| TOCdepth=2| Title=Lectura básica de un documento|

1. from amara.bindery import html

2. URL = 'http://mypage.com'

4. doc = html.parse(URL)

6. }}