Skip to Content
Web Scraping con Python, 3.ª edición
book

Web Scraping con Python, 3.ª edición

by Ryan Mitchell
March 2025
Intermediate to advanced
352 pages
9h 37m
Spanish
O'Reilly Media, Inc.
Content preview from Web Scraping con Python, 3.ª edición

Capítulo 6. Escribir rastreadores web

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Hasta ahora, has visto páginas estáticas individuales con ejemplos enlatados un tanto artificiales. En este capítulo, empezarás a ver problemas del mundo real, con raspadores que recorren varias páginas e incluso varios sitios.

Los rastreadores web se llaman así porque rastrean toda la web. En su núcleo hay un elemento de recursividad. Deben recuperar el contenido de la página de una URL, examinar esa página en busca de otras URL y recuperar esas páginas, ad infinitum.

Sin embargo, ten cuidado: que puedas rastrear la web no significa que siempre debas hacerlo. Los rastreadores utilizados en los ejemplos anteriores funcionan muy bien en situaciones en las que todos los datos que necesitas están en una sola página. Con los rastreadores web, debes ser extremadamente consciente de cuánto ancho de banda estás utilizando y hacer todo lo posible para determinar si hay alguna forma de facilitar la carga del servidor de destino.

Atravesar un único dominio

Aunque no hayas oído hablar de Seis Grados de Wikipedia, es posible que hayas oído hablar de su homónimo, Seis Grados de Kevin Bacon.1 En ambos juegos, el objetivo es enlazar dos temas inverosímiles (en el primer caso, artículos de Wikipedia que se enlazan entre sí, y en el segundo, actores que aparecen en la misma película) mediante una cadena que no contenga más de seis en total ...

Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.

Read now

Unlock full access

More than 5,000 organizations count on O’Reilly

AirBnbBlueOriginElectronic ArtsHomeDepotNasdaqRakutenTata Consultancy Services

QuotationMarkO’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.
Julian F.
Head of Cybersecurity
QuotationMarkI wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.
Addison B.
Field Engineer
QuotationMarkI’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.
Amir M.
Data Platform Tech Lead
QuotationMarkI'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
Mark W.
Embedded Software Engineer

You might also like

Python en una cáscara de nuez, 4ª edición

Python en una cáscara de nuez, 4ª edición

Alex Martelli, Anna Martelli Ravenscroft, Steve Holden, Paul McGuire

Publisher Resources

ISBN: 9798341630475