Después de hacer estos cursos, me siento seguro creando visualizaciones y cuadros de mando profesionales
Shoebur RahmanEspecialista en adquisiciones, Giz Bangladesh
Descripción del curso
¿Alguna vez te has encontrado con una web que muestra muchos datos, como estadísticas, reseñas de productos o precios, en un formato que no está listo para analizar? A menudo, organismos y otros proveedores publican sus datos en tablas bien formateadas. Sin embargo, no todos estos sitios incluyen un botón de descarga, pero no te preocupes. En este curso, aprenderás a recopilar y descargar datos de cualquier sitio web con R. Verás cómo automatizar el scraping y el análisis de Wikipedia usando los paquetes rvest y httr. Con ejercicios prácticos, también reforzarás tu comprensión de HTML y CSS, los bloques básicos de las páginas web, mientras haces que tus flujos de trabajo de extracción de datos sean menos propensos a errores y más eficientes.
Requisitos previos
Programa de formación
Contenido del curso
1
Introducción a HTML y al web scraping
En este capítulo conocerás Hyper Text Markup Language (HTML), un lenguaje declarativo que se usa para estructurar sitios web modernos. Con la librería rvest, aprenderás a consultar elementos HTML simples y a extraer tu primera tabla.
- Introducción a HTML50 XP
- Leer HTML100 XP
- ¡Cuidado con los errores de sintaxis!50 XP
- Navegar por HTML50 XP
- Selecciona todos los hijos de una lista100 XP
- Analiza hipervínculos en un data frame100 XP
- Extrae tu primera tabla50 XP
- El orden correcto de los elementos de una tabla100 XP
- Convierte una tabla en un data frame con html_table()100 XP
2
Navegación y selección con CSS
Cascading Style Sheets (CSS) describe cómo se muestran los elementos HTML en una página web, incluyendo colores, tipografías y el diseño general. En este capítulo, verás por qué los selectores y combinadores de CSS son un ingrediente clave para el web scraping.
3
Selección avanzada con XPATH
Los selectores de CSS que viste en el capítulo anterior son potentes, pero tienen limitaciones. Por ejemplo, si quieres seleccionar nodos según las propiedades de sus descendientes. ¡Aquí entra en juego XPath! Con este lenguaje de consulta, puedes navegar y extraer incluso el HTML más complejo.
4
Mejores prácticas de scraping
Ahora que ya sabes cómo extraer contenido de páginas web, es momento de mirar lo que hay detrás. En este último capítulo, aprenderás por qué las solicitudes HTTP son la base de toda acción de scraping y cómo personalizarlas para cumplir con las mejores prácticas de web scraping.
R
Web Scraping con R
Curso
completado
