▸ DatosPaso 1 gratis

Tu araña de datos: Scrapy recorre una web y te da un CSV

Scrapy es la herramienta clásica para sacar datos de webs. Haces una «araña» que entra en una página, coge lo que te interesa, sigue al botón «Siguiente» y te deja un CSV. Practicas en una web hecha para eso y aprendes los límites legales.

Al terminar tendrás

Scrapy instalado.
Una araña que sigue varias páginas.
Un CSV con los datos.

Lo que vas a usar

Scrapygithub.com/scrapy/scrapy

17 min €0 8 GB RAM · sin GPU macOS · Windows

Antes de empezar

Python instalado (te lo instalamos en el paso 1).

1Paso 01 de 05 · ~4 min
Instala Scrapy
Una línea de pip.
1. 1
  Abre la terminal. En Mac: pulsa Cmd+Espacio, escribe Terminal y pulsa Enter. En Windows: pulsa la tecla Windows, escribe PowerShell y pulsa Enter.
  TerminalmacOS
```
$brew install [email protected]
```
  TerminalmacOS
```
$mkdir ~/scrapy && cd ~/scrapy
$python3 -m venv .venv
$source .venv/bin/activate
$pip install scrapy
```
  Terminal
```
$scrapy version
```
  Truco
  🎉 Si scrapy version muestra un número, ¡nivel 1 superado!
¿Tu Mac dice «brew: command not found»? Instala Homebrew una vez
Homebrew es el instalador de programas que usamos en todas las misiones de Mac. Pega esto en la Terminal (es el comando oficial de brew.sh). Te pedirá la contraseña del Mac: al escribirla no se ve nada, es normal.
Instala HomebrewmacOS
```
$/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
```
Al terminar, copia y ejecuta las líneas que salen bajo «Next steps», cierra la Terminal y ábrela de nuevo. Comprueba con brew --version.
Comprueba que funcionascrapy version responde.
Si algo falla (4)
Sale «brew: command not found»
Te falta Homebrew. Instálalo con el comando de su web oficial, brew.sh, cierra la terminal, ábrela otra vez y repite.
En Windows dice que no reconoce el comando nuevo
Cierra PowerShell y ábrelo otra vez: la ventana vieja no sabe que acabas de instalar algo. Si lo que no reconoce es winget, actualiza «Instalador de aplicación» desde Microsoft Store.
Sale «pip: command not found» o «no se reconoce pip»
Usa python3 -m pip en Mac o py -m pip en Windows en lugar de pip. Si tampoco va, instala Python con la orden del paso 1 y abre una terminal nueva.
En Windows sale «la ejecución de scripts está deshabilitada»
Ejecuta una vez Set-ExecutionPolicy -Scope CurrentUser RemoteSigned, contesta S y vuelve a activar el entorno.
¿Sigues atascado? Pregunta en la comunidad Avisar de un error en este paso
Lo que desbloqueas
4 pasos · 4 comandos · 1 errores típicos resueltos
1. 2Crea el proyecto~2 min
  La estructura de Scrapy.
  1 comando · comprobación incluida
2. 3Tu araña~5 min
  En una web para practicar.
  1 comando · comprobación incluida
3. 4Lánzala y guarda el CSV~3 min
  Una orden.
  1 comando · 1 error resuelto · comprobación incluida
4. 5Reglas del juego~3 min
  Lo que separa un servicio de un problema.
  1 comando · comprobación incluida
Pasos 2–5 con el plan Anual

Primeros logros

Ya lo tienes funcionando. Pruébalo con esto:

Limpiar el CSV

Para entregar.

Prompt para tu IA

Este CSV viene de un scraping: [pega 10 filas]. Dime qué columnas limpiar y escribe el código pandas para hacerlo.

¿Se puede?

Antes de cada encargo.

Prompt para tu IA

Quiero recoger datos de [web]. Dime qué mirar en su robots.txt y en sus condiciones de uso antes de hacerlo y qué riesgos hay.

Siguiente nivel: Programa hablando

Tu primer programa hecho hablando.

Siguiente misión

Cómo deshacerlo

Borra la carpeta con Scrapy y el proyecto.

Borrar ScrapymacOS

$rm -rf ~/scrapy

Únete a los miembros y sigue con los 4 pasos

Haciendo esta misión juntos

Sé de los primeros en terminarla. Si te atascas, pregunta: quien ya la hizo te puede ayudar.

Preguntar sobre esta misión Compartir mi logro

Logros recientes

Preguntas

Siguiente misión · Kit del creador · 4 de 12Ese vídeo de 2 GB que no se puede mandar: HandBrake lo deja en unos pocos MB