Equipo: grupo11 · Integración GitHub: @anmerinoto
Taller de Web Scraping en Python de D-Lab
Este repositorio contiene los materiales para el taller de Web Scraping de Python de D-Lab.
Recomendamos asistir a Fundamentos de Python y Organización de datos de Python antes de este taller. Además, recomendamos una comprensión básica de HTML y CSS.
Consulte el [Catálogo de talleres] (https://dlab-berkeley.github.io/dlab-workshops/) de D-Lab para explorar todos los talleres, ver lo que se está ejecutando ahora y revisar los requisitos previos.
En este taller, cubrimos cómo extraer datos de la web usando Python. El Web Scraping implica descargar el código fuente de una página web y examinar el archivo material para extraer los datos deseados.
El Web Scraping generalmente solo se realiza cuando las API web no están disponibles. Plataformas como Twitter, Reddit o The New York Times ofrecen API para recuperar datos. Si usted desea aprender a usar las API web en Python, consulte Python Web APIs.
Anaconda es un útil software de gestión de paquetes que permite ejecutar Python y cuadernos Jupyter fácilmente. Instalar Anaconda es la forma más fácil de hacer Seguro que tienes todo el software necesario para ejecutar los materiales para este taller. Si desea ejecutar Python en su propia computadora, complete lo siguiente
Pasos previos al taller:
-
Descargue e instale Anaconda (Python 3.9 distribución). Haga clic en el icono Botón "Descargar".
-
Descargue el [taller] Python Web Scraping materiales](https://github.com/dlab-berkeley/Python-Web-Scraping):
- Haga clic en el botón verde "Código" en la parte superior derecha del repositorio información.
- Haga clic en "Descargar Zip".
- Extraiga este archivo a una carpeta en su computadora donde pueda fácilmente acceder a él (recomendamos Escritorio).
-
Opcional: si estás familiarizado con 'git', puedes clonarlo repositorio abriendo una terminal e ingresando el comando 'git clone [email protected]:dlab-berkeley/Python-Web-Scraping.git'.
Si no tiene Anaconda instalada y los materiales cargados en su taller para cuando comience, recomendamos usar el centro de datos de UC Berkeley para ejecutar los materiales para estas lecciones. Puede acceder al DataHub haciendo clic en este botón:
El DataHub descarga este repositorio, junto con los paquetes necesarios, y le permite ejecutar los materiales en un cuaderno de Jupyter que se almacena en UC de los servidores de Berkeley. No es necesaria ninguna instalación por su parte, solo necesita un navegador de Internet y una identificación de CalNet para iniciar sesión. Al usar DataHub, puede Guarde su trabajo y vuelva a él en cualquier momento. Cuando quieras volver a tu trabajo guardado, simplemente vaya directamente a [DataHub] (https://datahub.berkeley.edu), firme y haga clic en la carpeta 'Python-Web-Scraping'.
Si no tiene una identificación de Berkeley CalNet, aún puede ejecutar estas lecciones en el cloud, haciendo clic en este botón:
Sin embargo, al usar este botón, no puede guardar su trabajo.
-
Abra la aplicación Anaconda Navigator. Deberías ver el logotipo de la serpiente verde en tu pantalla. Tenga en cuenta que esto puede tardar unos minutos en cargar el archivo primera vez.
-
Haga clic en el botón "Iniciar" debajo de "Jupyter Notebooks" y navegue por su sistema de archivos a la carpeta 'Python-Web-Scraping' que descargó anteriormente. Nota que, si descarga los materiales de GitHub, el nombre de la carpeta puede en su lugar ser 'Python-Text-Analysis-main'.
-
Abra la carpeta 'lecciones' y haga clic en '01_introduction.md' para comenzar.
-
Presione Mayús + Entrar (o Ctrl + Entrar) para ejecutar una celda.
-
Por defecto, los paquetes necesarios para este taller ya deberían estar Instalado. Puede instalarlos en el cuaderno de Jupyter Notebook ejecutando el comando siguiente línea en su propia celda:
'''%pip install -r requirements.txt'''
Tenga en cuenta que todos los pasos anteriores se pueden ejecutar desde la terminal, si está familiarizado con cómo interactuar con Anaconda de esa manera. Sin embargo, el uso de Anaconda Navigator es la forma más fácil de comenzar si es tu primera vez trabajando con Anaconda.
D-Lab trabaja con profesores, personal de investigación y estudiantes de Berkeley para avanzar investigación intensiva en ciencias sociales y humanidades con uso intensivo de datos. Nuestro objetivo en D-Lab es proporcionar capacitación práctica, apoyo del personal, recursos y espacio para permitirle use R para sus propias aplicaciones de investigación. Nuestros servicios se adaptan a todos los niveles de habilidad y no se necesitan antecedentes en programación, estadística o informática. Ofrecemos estos servicios en forma de talleres, consultoría personalizada y grupos de trabajo que cubren una variedad de temas de investigación, herramientas digitales y lenguajes de programación.
Visite la página de inicio de D-Lab para obtener más información sobre nosotros. Puede ver nuestro calendario para próximos eventos, aprenda cómo utilizar nuestros consultoría y datos servicios, y echa un vistazo a los próximos talleres. Suscríbete a nuestro newsletter para mantenerse al día fecha en eventos, servicios y oportunidades de D-Lab.
D-Lab ofrece una variedad de talleres de Python, dirigidos a diferentes niveles de pericia.