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 11. Trabajar con datos sucios

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

Hasta ahora en este libro, he ignorado el problema de los datos mal formateados utilizando fuentes de datos generalmente bien formateadas, descartando por completo los datos si se desviaban de lo esperado. Pero, en el raspado web, a menudo no puedes ser demasiado exigente sobre dónde obtienes los datos o qué aspecto tienen.

Debido a la puntuación errónea, las mayúsculas incoherentes, los saltos de línea y las faltas de ortografía, los datos sucios pueden ser un gran problema en la Web. Este capítulo cubre algunas herramientas y técnicas que te ayudarán a prevenir el problema en su origen, cambiando la forma en que escribes el código y limpiando los datos después de que estén en la base de datos.

Este es el capítulo en el que el web scraping se cruza con su pariente cercano, la ciencia de datos. Aunque el título de "científico de datos" puede evocar imágenes mentales de técnicas de programación de perímetro y matemáticas avanzadas, la verdad es que gran parte es trabajo sucio. Alguien tiene que limpiar y normalizar esos millones de registros antes de que puedan utilizarse para construir un modelo de aprendizaje automático, y esa persona es el científico de datos .

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