Descripción del código

lessons/02_web_scraping.ipynb

@@ -51,7 +51,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "%pip install requests"
+    "%pip install requests # Instala la librería requests, que permite hacer peticiones HTTP, con ella puedes conectarte a páginas web y obtener su contenido."
    ]
   },
   {
@@ -60,7 +60,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "%pip install beautifulsoup4"
+    "%pip install beautifulsoup4 # Instala una librería para parsear HTML y XML, sirve para extraer información específica de una página web."
    ]
   },
   {
@@ -76,7 +76,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "%pip install lxml"
+    "%pip install lxml  # Parsers rápido y eficiente para manejar HTML y XML."
    ]
   },
   {
@@ -87,7 +87,7 @@
    },
    "outputs": [],
    "source": [
-    "# Import required libraries\n",
+    "# Importa las librerías necesarias para ejecutar el código.\n",
     "from bs4 import BeautifulSoup\n",
     "from datetime import datetime\n",
     "import requests\n",
@@ -131,11 +131,11 @@
    },
    "outputs": [],
    "source": [
-    "# Make a GET request\n",
+    "# Hace una solicitud HTTP de tipo GET a la página web.\n",
     "req = requests.get('http://www.ilga.gov/senate/default.asp')\n",
-    "# Read the content of the server’s response\n",
+    "# Se obtiene el contenido de la respuesta del servidor en formato de texto.\n",
     "src = req.text\n",
-    "# View some output\n",
+    "# Se imprime solo los primeros 1000 caracteres del contenido.\n",
     "print(src[:1000])"
    ]
   },
@@ -156,9 +156,9 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "# Parse the response into an HTML tree\n",
+    "# Se crea un objeto BeautifulSoup a partir de la variable src (que contiene el HTML obtenido con requests).\n",
     "soup = BeautifulSoup(src, 'lxml')\n",
-    "# Take a look\n",
+    "# Imprime de manera identada gracias a prettify los primeros 1000 caracteres.\n",
     "print(soup.prettify()[:1000])"
    ]
   },
@@ -194,9 +194,9 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "# Find all elements with a certain tag\n",
+    "# Usa soup.find_all(\"a\") para buscar todos los elementos <a> del documento HTML, a hace referencia a los hipervínculos.\n",
     "a_tags = soup.find_all(\"a\")\n",
-    "print(a_tags[:10])"
+    "print(a_tags[:10])#Imprime los primeros 10 elementos de la lista."
    ]
   },
   {
@@ -216,6 +216,7 @@
    },
    "outputs": [],
    "source": [
+    "#Obtener todos los elementos <a> de la página y se imprime el primer enlace de cad lista.\n",
     "a_tags = soup.find_all(\"a\")\n",
     "a_tags_alt = soup(\"a\")\n",
     "print(a_tags[0])\n",
@@ -235,7 +236,7 @@
    "metadata": {},
    "outputs": [],
    "source": [
-    "print(len(a_tags))"
+    "print(len(a_tags)) #Imprime el total de hipervínculos o enlaces que se encontraron en la página."
    ]
   },
   {
@@ -257,7 +258,7 @@
    },
    "outputs": [],
    "source": [
-    "# Get only the 'a' tags in 'sidemenu' class\n",
+    "# Busca solo las etiquetas <a> que tengan la clase \"sidemenu\", y mestra los primeros 5 enlaces con la clase sidemenu.\n",
     "side_menus = soup(\"a\", class_=\"sidemenu\")\n",
     "side_menus[:5]"
    ]
@@ -279,7 +280,7 @@
    },
    "outputs": [],
    "source": [
-    "# Get elements with \"a.sidemenu\" CSS Selector.\n",
+    "# Se usa soup.select() para buscar elementos con sintaxis CSS y muestra los primeros 5 enlaces con clase sidemenu.\n",
     "selected = soup.select(\"a.sidemenu\")\n",
     "selected[:5]"
    ]