Giter Club home page Giter Club logo

books_to_scrape's Introduction

Books_to_scrape

Este desafío consiste en realizar un scraping a una página web y almacenar la información en un archivo con formato definido. Se debe desarrollar en Python, utilizando cualquier librería necesaria. El código debe estar comentado y se debe incluir un script o un documento claro que permita reproducir la solución.

La página web objetivo de este proyecto es http://books.toscrape.com. Los elementos relevantes para la solución son las categorías (Travel, Mystery, Classics, etc.) y sus libros.

Requerido

El código entregado debe realizar lo siguiente:

  1. Obtener todos los libros de la categoría Biography.
  2. Elegir 1 categoría al azar distinta a Biography, y obtener también todos sus libros.
  3. Para cada libro, extraer solo los siguientes campos, con el tipo de dato indicado:
    ○ Título (str)
    ○ Categoría (str)
    ○ UPC (str)
    ○ Precio (float)
    ○ Cantidad de stock disponible (int)
    ○ Rating (float)
  4. Guardar los elementos obtenidos en CSV o JSON.

Extras

● Utilizar Git durante el desarrollo de la solución.
● En el punto 4, si se eligió CSV, agregar JSON (y viceversa).
● Incorporar Docker en el proyecto.
● Agregar una API que permita lanzar una ejecución completa mediante GET o POST.
● Para cada elemento obtenido, agregar también su imagen.

Para iniciar el script localmente:

Dentro del directorio BookScrapper:

Para exportar en CSV

scrapy crawl bookspider -o nombre_archivo.csv

Para exportar en JSON

scrapy crawl bookspider -o nombre_archivo.json

books_to_scrape's People

Contributors

luiginorp avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.