Tipos de nodos en XPath

Clase 8 de 21 • Curso de Fundamentos de Web Scraping con Python y Xpath

Alejandro Giraldo Londoño

student•

RESUMEN: Tipos de nodos

■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■

Un nodo es lo mismo que la etiqueta y su contenido. Un nodo puede contener a otros nodos. En otras palabras Xpath nos permitirá navegar en los diferentes niveles de profundidad deseados con el fin extraer información. Para describir los nodos y relaciones con Xpath se usan una sintaxis de ejes.

Toscrape es un sandbox para practicar.

César Daniel Carrasco Gutiérrez

student•

Muchas gracias me fue de ayuda.

Jeinfferson Bernal G

student•

gracias por el resumen!

Claudio Pedalino

student•

En el curso de webscrapping el profe Martin nos deja este chetsheet de XPath que me resultó super útil: http://labs.timtom.ch/library-webscraping/extras/xpath-cheatsheet.md.pdf

Elisa Zamarron Muñoz

student•

Ya decía yo que sentía que esto de xpath me sonaba, sólo no recordaba de dónde jaja.

Francisco Garcia [C6]

student•

garcias por el aporte

David Esteban Solorzano Taborda

student•

Hay que entender el DOM almenos lo basico

https://es.wikipedia.org/wiki/Document_Object_Model

Juan Castro

teacher•

Este curso también te puede ayudar:

Carlos Javier Guevara Contreras

student•

![](

El modelo de datos Xpath distingue siete tipos de nodos con diferentes funciones: Nodo de elemento (element node) Nodo de documento (root node) (a partir de Xpath 2.0; antes denominado “nodo raíz”) Nodo atributo (attribute node) Nodo de texto (text node) Nodo de espacio de nombres (namespace node)

Juan R. Vergara M.

student•

Gracias por el aporte 👍

Andrés Fernández

student•

Un nodo = una etiqueta HTML y su contenido

Moisés Manuel Morín Hevia

student•

Una caja dentro de una caja.

Juan R. Vergara M.

student•

👍

Bryan Duarte

student•

Espero con ansias el curso de Scrapy de este profe, se da el tiempo de explicar re bien, un crack.

Moisés Manuel Morín Hevia

student•

Es buen profe, ya hay varios de scraping.

JUAN SEBASTIAN ZAPATA AVENDAÑO

student•

Los nodos son etiquetas que contienen otras etiquetas

Moisés Manuel Morín Hevia

student•

Seee, cajas sobre cajas xD

Bryan Javier Calero Robleto

student•

F12 o control + Shift i Por si tuvieran algun problema

Eduard Giraldo Martínez

student•

No sé porque, pero se me hace tan interesante El web Scraping y como lo enseña Facundo. Es todo una obra de arte!
👾

Mateo Dellacasa

student•

Tremendo!!

Rubén Gustavo García Málaga

student•

El diagrama mostrado en la clase

Christian C RO

student•

Sebastian Calderón Araque

student•

Los tipos de nodos que se reconocen en una consulta XPath no son los tipos de nodos que se encuentran en el DOM.

Tipos de nodos:

Root (Document): Nodo raiz del documento.
Element: Un elemento, como <element>.
Attribute: Un atributo, como id='123'.
Namespace: Un espacio de nombres, como xmlns="namespace".
Text: Contenido de texto de un nodo. Equivalente al texto del DOM. Contiene por lo menos un carácter.
SignificantWhitespace: Un nodo con caracteres de espacio en blanco y xml:space establecido en preserve.
Whitespace: Nodo sólo con caracteres de espacio en blanco y sin espacio en blanco significativo. Los caracteres de espacio en blanco son #x20, #x9, #xD o #xA.
ProcessingInstruction: Una instrucción de procesamiento, como <?pi test?>.
Comment: Un comentario, como .

Francisco Garcia [C6]

student•

super claro

Sandra Hernández Nolasco

student•

Sandbox = Un sandbox en informática o un entorno de pruebas, es una máquina virtual aislada en la que se puede ejecutar código de software potencialmente inseguro sin afectar a los recursos de red o a las aplicaciones locales.

https://www.proofpoint.com/es/threat-reference/sandbox

Manuel Rojas

student•

Esta extensión de Chrome es muy útil para practicar con XPATH https://chrome.google.com/webstore/detail/xpath-helper/hgimnogjllphhhkhlmebbmlgjoejdpjl?hl=es

Juan Fernando Moyano Ramírez

student•

Hola a todos, os dejo mis apuntes de esta clase, sin embargo, he creado un respositorio en github donde estan todos los apuntes de este curso: https://github.com/fer2002743/web-scraping

<h2>Tipos de nodos en XPath</h2>

Un nodo es lo mismo que una etiqueta y su contenido. En esta clase nos familiarizamos con el lenguaje HTML y sus etiquetas, dado que vamos a usar XPath para acceder a las etiquetas que tienen la informacion que queremos para extraer su informacion.

Andrés David Lizarazo Becerra

student•

Nodo: Es una etiqueta html con todo lo que contiene en su interior.

Moisés Manuel Morín Hevia

student•

Una caja que tiene dentro una caja.

daniel kant

student•

toscrape.com

Alberto Carlos Castro Castro

student•

Sencillo de entender very nice!!

Tipos de nodos en XPath

Introducción al web scraping

¿Qué es el web scraping?

¿Por qué aprender web scraping hoy?

Python: el lenguaje más poderoso para extraer datos

Fundamentos de la web

Entender HTTP

¿Qué es HTML?

Robots.txt: permisos y consideraciones al hacer web scraping

XML Path Language

XML Path Language

Tipos de nodos en XPath

Expresiones en XPath

Predicados en Xpath

Operadores en Xpath

Wildcards en Xpath

In-text search en Xpath

XPath Axes

Resumen de XPath

Aplicando lo aprendido

Proyecto: scraper de noticias

Un proyecto para tu portafolio: scraper de noticias

Construcción de las expresiones de XPath

Obteniendo los links de los artículos con Python

Guardando las noticias en archivos de texto

Conclusiones

Cómo continuar tu ruta de aprendizaje