Semalt: ¿Cómo usar The Python para raspar un sitio web?

El mejor punto de partida es descargar e instalar Anaconda Python Distribution en su computadora. También puede tomar algunos tutoriales sobre los conceptos básicos de este lenguaje de programación. El mejor lugar para partir podría ser Codecademy, especialmente si no tienes idea en este campo.

Esta guía hará uso del sitio de listado actual de Polk Country para reclusos. Le guiaremos sobre cómo usar un script de Python para extraer una lista de reclusos y obtener algunos datos como la ciudad de residencia y la raza para cada recluso. Todo el guión por el que lo guiaremos se almacena y abre en GitHub. Esta es una de las plataformas populares en línea que permite compartir códigos de computadora. Los códigos tienen una larga lista de comentarios que pueden ser de gran ayuda para usted.

Al raspar cualquier sitio, la primera herramienta que debe buscar es un navegador web. La mayoría de los navegadores brindan a los usuarios herramientas de inspección HTML que ayudan a levantar el sombreado de la bahía del motor y a comprender la estructura de la página. La forma en que accede a cada herramienta varía de un navegador a otro. Sin embargo, el pilar principal es la fuente de la página de visualización, y puede obtenerla haciendo clic derecho en la página directamente.

A medida que ve el código fuente HTML de la página, es recomendable listar cuidadosamente los detalles de los enlaces al recluso en las filas de la tabla. El siguiente paso es escribir un script que vamos a usar para extraer esta información. Los dos paquetes de Python que vamos a utilizar en el proceso de levantamiento pesado son Beautiful Soup and Requests. Asegúrese de instalarlos antes de comenzar a ejecutar el código.

La secuencia de comandos web raspando hará tres cosas. Estos incluyen la carga de las páginas de listado y la extracción de enlaces a las páginas de detalles, la carga de cada página de detalles y la extracción de datos, y la impresión de los datos extraídos según cómo se filtra, como la ciudad de residencia y la raza. Una vez que comprenda esto, el siguiente paso es comenzar el proceso de codificación utilizando Beautiful Soup and Requests.

En primer lugar, cargue lógicamente la página de la lista de reclusos usando la URL requests.get y luego use la hermosa sopa para guardarla. Después de eso, extraemos el enlace a las páginas de detalles al recorrer cada fila. Después de analizar los detalles del recluso, el siguiente paso es extraer el sexo, la edad, la raza, el tiempo de reserva y los valores de los nombres en el diccionario. Cada recluso obtendrá su diccionario, y todos los diccionarios se agregarán a la lista del recluso. Finalmente, recorra los valores de la raza y la ciudad antes de que finalmente imprima su lista.