Capítulo 15. Rastrear a través de las API
Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com
JavaScript ha sido tradicionalmente la perdición de los rastreadores web de todo el mundo. En un momento de la historia antigua de Internet, podías tener la garantía de que una petición de una página HTML hecha al servidor web representaría el mismo sitio web HTML que verías en un navegador.
A medida que JavaScript y la generación y carga de contenidos Ajax se hacen más omnipresentes, esa situación es cada vez menos habitual. En el Capítulo 14, viste una forma de resolverlo: utilizar Selenium para automatizar un navegador y obtener los datos. Esto es algo fácil de hacer. Funciona casi siempre.
El problema es que, cuando tienes un "martillo" tan potente y eficaz como Selenium, cada problema de raspado web empieza a parecerse mucho a un clavo.
En este capítulo, verás cómo cortar por completo el JavaScript (¡no hace falta ejecutarlo ni siquiera cargarlo!) y llegar directamente a la fuente de los datos: las API que los generan.
Breve introducción a las API
Aunque se han escrito innumerables libros, charlas y guías sobre las complejidades de las API REST, GraphQL, JSON y XML, en el fondo se basan en un concepto sencillo. Una API, o Interfaz de Programación de Aplicaciones, define una sintaxis estandarizada que permite que un programa se comunique con otro, aunque estén escritos en lenguajes diferentes o estructurados de forma ...
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