ADD dia 11

dia_11/01_web_scraping_01.py

@@ -0,0 +1,69 @@
+"""
+Web scraping básico
+
+Con las librerias beautifulsoup4, lxml y requests
+
+"""
+import bs4
+import requests
+
+resultado = requests.get(
+    'https://escueladirecta-blog.blogspot.com/2021/10/encapsulamiento-pilares-de-la.html')
+
+# el tipo nos muestra que es de tipo Response
+print(type(resultado))
+print()
+
+
+# Si intentamos imprimir el texto nos mostrará todo el contenido html, css ...
+# print(resultado.text)
+
+# Para poder extraer datos necesitamos un parser (analizador sintáctico)
+# como beautiful soup
+# Necesitaremos el texto y el tipo de motor de parsing
+
+sopa = bs4.BeautifulSoup(resultado.text, 'lxml')
+
+
+# Con lo cual, ahora en la variable ya no es un string
+# y este modo de texto de tipo bs4
+# permite navegar mejor por él
+print(type(sopa))
+print()
+
+
+# Podemos escoger las etiquetas, por ejemplo title
+print(sopa.select('title'))
+print()
+
+
+# Nos dará una lista, porque puede haber más de un elemento
+# que podemos contar con len
+print(f"Tiene {len(sopa.select('p'))} párrafos.")
+print()
+
+
+# Podemos seleccionar de la lista el índice del elemento
+# que queremos y además pedir que nos devuelva tan solo
+# el texto de dentro del elemento
+print(sopa.select('p')[1].getText())
+print()
+
+
+# Vamos a buscar un párrafo en concreto
+parrafo_especial = sopa.select('p')[3].getText()
+print(parrafo_especial)
+print()
+
+
+# Ahora vamos a coger elementos de la columna lateral
+# Todos los títulos
+titulos_columna_lateral = sopa.select('.sidebar-container article .post-title')
+for title in titulos_columna_lateral:
+    print(title.getText())
+    print()
+
+# Mostrar un párrafo concreto
+parrafos_columna_lateral = sopa.select(
+    '.sidebar-container article .snippet-item')
+print(parrafos_columna_lateral[0].getText())

dia_11/02_web_scraping_02.py

@@ -0,0 +1,37 @@
+"""
+Web scraping 
+Descargar imágenes
+
+"""
+import bs4
+import requests
+
+
+resultado = requests.get(
+    'https://www.escueladirecta.com/courses')
+
+
+# Para poder extraer datos necesitamos
+# un parser (analizador sintáctico)
+# como beautiful soup
+# Necesitaremos el texto y el tipo de motor de parsing
+sopa = bs4.BeautifulSoup(resultado.text, 'lxml')
+
+# Aislamos la url de la primera imagen
+# que queremos descargar
+imagen = sopa.select('.course-box-image')[0]['src']
+print(imagen)
+
+# Ahora cogemos el contenido del enlace
+# (Tendrá un Response 200)
+binario_imagen = requests.get(imagen)
+# y mostramos el binario
+
+# print(binario_imagen.content)
+
+# Ahora preparamos un fichero para escribir
+# wb significa "escribir binario"
+# Abrimos el fichero, escribimos dentro y cerramos
+f = open('mi_imagen.jpg', 'wb')
+f.write(binario_imagen.content)
+f.close()

dia_11/03_web_scraping_03.py

@@ -0,0 +1,46 @@
+"""
+Web scraping básico
+
+Con las librerias beautifulsoup4, lxml y requests
+
+"""
+
+import bs4
+import requests
+
+raiz = 'http://books.toscrape.com/catalogue/page-'
+extension = '.html'
+
+
+def comprobar_enlaces(http, ext):
+    """ Comprobar si el enlace existe """
+
+    # Variables
+    enlaces = []
+    fin_url = True
+    page = 0
+
+    # Bucle para formar url y añadir a una lista
+    while fin_url:
+
+        page += 1
+        page = str(page)
+
+        enlace = http + page + ext
+
+        resultado = requests.get(enlace)
+
+        if resultado:
+            enlaces.append(enlace)
+            page = int(page)
+            break
+        else:
+            fin_url = False
+
+    return enlaces
+
+
+print(comprobar_enlaces(raiz, extension))
+
+
+# sopa = bs4.BeautifulSoup(resultado.text, 'lxml')

dia_11/nul

@@ -0,0 +1,3 @@
+
+200
+