Introducción a la Extracción de Información desde la Web by JOSUE MANUEL GAMBOA URBINA https://padlet.com/200028201/5q0mcyvlhmsgkamk Alumno: Gamboa Urbina, Josué Manuel Curso: Computación Aplicada a las Comunicaciones II Ciclo: IV en-us 2022-05-23 01:16:49 UTC 2022-05-23 02:44:15 UTC hello@padlet.com INTRODUCCIÓN A LA EXTRACCIÓN DE INFORMACIÓN DESDE LA WEB 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2194973705 2022-05-23 01:18:41 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2194973705 CONCEPTO 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2194986108 En la extracción de datos de la web, o web scraping, se extraen y almacenan datos de páginas web para analizarlos o utilizarlos en otra parte.]]> 2022-05-23 01:27:56 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2194986108 ANTECEDENTES 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2194992144 Los motores de búsqueda utilizan desde hace tiempo los denominados rastreadores web  que exploran Internet en busca de términos definidos por el usuario. El primer rastreador web se creó ya en 1993.]]> 2022-05-23 01:32:46 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2194992144 ALMACENA 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195000326
  • Datos de contacto (Direcciones de correo electrónico, números de teléfono)
  • Términos de búsqueda.
  • URLs. 
    • ]]>     2022-05-23 01:39:33 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195000326     FUNCIONAMIENTO 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195006757 2022-05-23 01:44:29 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195006757 AUTOMÁTICO 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195008460 Se recurre a un software o un algoritmo que analiza diferentes páginas web para extraer información. Se utiliza software especializado según el tipo de página web y el contenido.]]> 2022-05-23 01:45:48 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195008460 MANUAL 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195008606 Copiado y pegado manual de información y datos. Raras veces se aplica a grandes cantidades de datos. ]]> 2022-05-23 01:45:55 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195008606 TIPOS 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195016717 2022-05-23 01:52:14 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195016717 Analizador Sintáctico 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195018490 Los analizadores sintácticos (o parsers) se utilizan para convertir un texto en una nueva estructura. Por ejemplo, en los análisis de HTML, el software lee un documento HTML y almacena la información. ]]> 2022-05-23 01:53:29 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195018490 Bots 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195018693 Es un software dedicado a realizar determinadas tareas y automatizarlas. En el caso del web harvesting, los bots se utilizan para examinar páginas web automáticamente y recopilar datos.]]> 2022-05-23 01:53:39 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195018693 Texto 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195018968 Con la función grep de Unix se puede buscar en la web determinados términos en Python o Perl. Este es un método sencillo para extraer datos, aunque requiere más trabajo que la utilización de un software.]]> 2022-05-23 01:53:52 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195018968 SE UTILIZA PARA 200028201 https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195029469
  • Recopilar datos de contacto o información especial con gran rapidez. 
  • Obtener ventajas respecto a la competencia, en el ámbito profesional 
  • Analizar datos financieros.
    • ]]>     2022-05-23 02:02:03 UTC https://padlet.com/200028201/5q0mcyvlhmsgkamk/wish/2195029469