{"id":76138,"date":"2018-02-01T10:57:09","date_gmt":"2018-02-01T10:57:09","guid":{"rendered":"http:\/\/scraping-web"},"modified":"2018-02-01T10:57:09","modified_gmt":"2018-02-01T10:57:09","slug":"scraping-web","status":"publish","type":"post","link":"https:\/\/proyectos.comunicaciondigital.es\/en\/scraping-web\/","title":{"rendered":"Scraping Web"},"content":{"rendered":"
\n
\n\n \n

Scraping con Webscrapper<\/h2>\n \n\n\n\n\n <\/div>\n <\/div>\n \n

\u00bfQu\u00e9 es el scraping?<\/h2>\n

El Web scraping nos permite extraer informaci\u00f3n de la web de forma estructurada para poder manejarla como datos y tratarla para su an\u00e1lisis y visualizaci\u00f3n.<\/p>\n

Existen diferentes t\u00e9cnicas para hacer scraping. Todas ellas utilizan alg\u00fan software o aplicaci\u00f3n, bien directamente en el navegador bien usando alg\u00fan lenguaje con Python que, mediante script, captura la informaci\u00f3n disponible en una web.<\/p>\n

El scraping usa t\u00e9cnicas automatizadas para extraer la informaci\u00f3n publicada en la web en una escala de automatizaci\u00f3n que va desde las acciones manuales (\u201ccopiar y pegar\u201d) hasta sistemas de reconocimiento de informaci\u00f3n sem\u00e1ntica, pasando por aplicaciones de web scraping, parsers HTML, algoritmos de miner\u00eda de datos, etc.<\/p>\n

No todas las web permiten ser \u201cscrapedas\u201d. En ocasiones, los administradores de los sitios web limitan esta posibilidad mediante t\u00e9cnicas como bloqueos de IPs, limitar accesos con el fichero robots.txt, etc.<\/p>\n

Qu\u00e9 es Web scraper y c\u00f3mo usarlo<\/h2>\n

Web Scraper<\/a> es una extensi\u00f3n para navegador que resulta muy \u00fatil para raspar contenido de una web ya que puede ejecutarse directamente desde el navegador web sin necesidad de instalar otro software adicional.<\/p>\n

Para utilizarlo debemos: <\/p>\n

    \n
  1. Descargarnos el plugin para Chrome<\/a> e instalarlo.\n<\/li>\n
  2. Para acceder al plugin debemos abrir en Chrome la consola de herramientas de desarrolladores. Para acceder al DevTools debes seccionar el men\u00fa de la esquina superior derecha del explorador, luego seleccionando More Tools > Develope Tools. Alternativamente puedes usar Ctrl+Shift+I o Cmd+Opt+I en Mac, y en Windows presionar la tecla F12<\/li>\n<\/ol>\n\n\n \n
    \n \"Acceder\n
    Acceder a la consola de herramientas de desarrolladores mediante men\u00fa<\/figcaption>\n <\/figure>\n \n\n\n

    Ejemplo de uso: Capturar datos de la Wikipedia<\/h3>\n

    Veamos un caso pr\u00e1ctico de uso. Pongamos por caso que queremos descargar un conjunto de datos de una entrada de la wikipedia de un pa\u00eds. Habitualmente, encontramos informaci\u00f3n en tablas como, por ejemplo, de la poblaci\u00f3n. Vamos a ver c\u00f3mo extraer una tabla.<\/p>\n\n\n \n

    \n \"Web\n
    Web Scraper en DevTools<\/figcaption>\n <\/figure>\n \n\n\n\n\n \n
    \n \"\"\n\n <\/figure>\n \n\n\n