Friki Work

Qué es Scrapy Scrapy es un framework completamente implementado en Python diseñado para rastrear sitios web y extraer datos estructurados. Tiene una amplia gama de aplicaciones. La potencia del framework permite a los usuarios desarrollar únicamente unos pocos módulos para implementar fácilmente un rastreador que capture contenido web e imágene ...

Al realizar extracción de datos en portales de empleo modernos, frecuentemente nos encontramos con que la navegación entre páginas no altera la URL del navegador. Este comportamiento indica que la información se carga dinámicamente mediante peticiones asíncronas en lugar de recargas completas del documento. En lugar de invertir tiempo en ingeni ...

Sobre la Herramienta de Extracción La librería Scraperjs se destaca por ofrecer un enfoque robusto para la automatización de recolección de datos desde la web. Diseñada para trabajar sobre entornos Node.js, facilita tanto la ingesta de información estática como el prcoesamiento de contenidos renderizados dinámicamente. Configuración del Entorno ...

Para obtener datos detallados sobre las interacciones de los compradores en Taobao, es posible utilizar endpoints específicos que devuelvne tanto las reseñas de los productos como la sección de preguntas y respuestas. A continuación, se detalla la implementación para consultar el historial de preguntas y repsuestas (item_question_answer) y las ...

La automatización en la recopilación de información desde entornos web requiere una combinación de gestión de solicitudes HTTP y análisis sintáctico de documentos HTML. A continuación, se detalla la implementación de un flujo de extracción, contrastando el uso de expresiones regulares frente a bibliotecas de parsing dedicadas. Recuperación y fi ...

Uso de programación asíncrona para acceso concurrente: aiohttp La mayoría de las veces, simplemnete necesitarás acceder a una URL específica, usando directamente el método asíncrono de aiohttp. Sin embargo, a veces es necesario acceder a múltiples niveles de URL donde el siguiente nivel depende del resultado del anterior, requiriendo esperar a ...

Implementación de Web Scraping para Recolección de Datos Este artículo explora técnicas prácticas de web scraping utilizando Python, enfocándose en la extracción automática de datos de sitios web. Se presentan tres ejercicios que abordan diferentes escenarios: la obtención de rankings universtiarios, la recopilación de precios de productos come ...

En el ecosistema del marketing digital y la creación de contenidos, obtener activos visuales de alta fidelidad es un requisito crítico. XHS-Downloader se presenta como una solución robusta de código abierto diseñada para automatizar la captura de imágenes y videos de la plataforma Xiaohongshu. A través de una arquitectura basada en procesos así ...

Descripción del Ejrecicio Este ejercicio se centra en aplicar conocimiantos de manejo de cookies y sesiones en Python para autenticarse en el sitio web de Ele.me y extraer una lista de restaurantes cercanos a una ubicación proporcionada. Sitio web: https://www.ele.me/home/ Objetivos Practicar el uso de cookies y setiones en Python. Manejar sol ...

Descripción del Problema Durante el aprendizaje de técnicas de raspado web con Node.js, me encontré con un problema frecuente al utilizar axios para realizar solicitudes HTTP: los caracteres en inglés se mostraban correctamente, pero los caracteres chinos aparecían completamente corruptos. Este es un problema clásico relacionado con la codif ...