Aprende la estructura de HTML. Empezaremos explicando por qué el web scraping puede ser una valiosa adición a tu caja de herramientas de la ciencia de datos y luego profundizaremos en algunos aspectos básicos de HTML. Terminamos el capítulo con una breve introducción sobre la notación XPath, que se utiliza para navegar por los elementos dentro del código HTML.

Visión general del web scraping

¡El web scraping no es ninguna tontería!

HyperText Markup Language

Navegación detallada por el árbol HTML

De árbol a HTML

Atributos

Con clase

Búsqueda de href

Curso intensivo de XPath

¿Dónde estoy?

Ha llegado la hora de P

Span con clase

Introducción a HTML

Aprovecha la sintaxis de XPath de para explorar los selectores scrapy. Ambos conceptos te llevarán a ser capaz de hacer scraping a un documento de HTML.

XPathología

Recuento de elementos en la naturaleza

Apéndices del cuerpo

¡Elige DataCamp!

Un XPath fuera de lo común

Dónde est@

Comprueba la clase

Hiper(enlace) activo

Enlaces secretos

Objetos selectores

Encadenamiento de XPath

Divide este ejercicio

La fuente de la fuente

Clase de curso por inspección

Solicitud de un selector

XPaths y selectores

Aprende la sintaxis de los localizadores CSS y empieza a jugar con la idea de encadenar localizadores CSS con XPath. También se presentan los objetos Respuesta, que se comportan como selectores, pero nos proporcionan herramientas adicionales para movilizar nuestro esfuerzo de scraping en varios sitios web. 

De XPath a CSS

El (X)Path a la localización CSS

"A"prueba el curso

El comodín CSS

Atributos de CSS y selección de texto

Te han `href`ado

Texto de nivel superior

Texto de todos los niveles

¡Responde, por favor!

Revelar por respuesta

Respuesta con selectores

Selección de una selección

Encuesta

Titular

Scraping con elementos secundarios

Localizadores CSS, encadenamiento y respuestas

Aprende a crear arañas web con scrapy. Estas arañas scrapy rastrearán varias páginas de Internet, siguiendo enlaces para hacer scraping automáticamente cada una de esas páginas según los procedimientos que hemos aprendido en los capítulos anteriores.

Tu primera araña

Heredar la araña

Lanza las URL

Solicitudes de inicio

Autorreferencias con clase

Iníciate en las solicitudes de inicio

Parsing y crawling

Nombres de pluma

Hora del crawling

Capstone

Hora de ejecutar

Descripciones de DataCamp

Crawling de Capstone

El final

Arañas

DataCamp webpage HTML

Saber construir herramientas capaces de recuperar y analizar información almacenada en Internet ha sido y sigue siendo un proceso valioso en muchos aspectos de la ciencia de datos. En este curso, aprenderás a navegar y analizar código html, además de a construir herramientas para rastrear sitios web automáticamente. Aunque nuestro scraping se realizará utilizando la versátil biblioteca Scrapy de Python, muchas de las técnicas que aprenderás en este curso pueden aplicarse también a otras bibliotecas populares de Python, como BeautifulSoup o Selenium. Al finalizar este curso, tendrás un sólido modelo mental de lo que es la estructura html, podrás construir herramientas para analizar código html y acceder a la información deseada, y crearás una sencilla araña scrapy para rastrear la web a escala.

Intermediate Python

Aprende a obtener y analizar información de internet con la biblioteca Python scrapy.

Web scraping en Python

Aprende a recuperar y a analizar información de Internet utilizando la biblioteca Scrapy de Python.

Un XPath fuera de lo común

Create Your Free Account