XML Path Language

Clase 7 de 21 • Curso de Fundamentos de Web Scraping con Python y Xpath

JUAN SEBASTIAN ZAPATA AVENDAÑO

student•

XPath es a HTML, lo que las expresiones regulares son a texto, ambas se utilizan para buscar patrones.

Rodrigo Rodriguez

student•

creo que esta frase hace que se entienda bien, obviamente si sabes algo de expresiones regulares.

Moisés Manuel Morín Hevia

student•

Oka, las expresiones regulares todavía no las domino bien.

Alejandro Giraldo Londoño

student•

RESUMEN: XPATH

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

XML Xtensible markup lenguage .Sirvio para definir interfaces, es un lenguaje de nodos o etiquetas. Una técnica para extraer datos de allí es Xpath.

Xpath es a HTML lo que las REGEX son a un texto. Es decir, Xpath es un lenguaje de patrones, expresiones que me permitirá extraer datos de un HTML. Puntualmente sirve para apuntar a partes de un documento XML.

Moisés Manuel Morín Hevia

student•

XML Path Language Formado por nodos(etiquetas) Parecido al HTML Expresiones regulares: Definir patrones. Expresión Xpath, es el html que voy a extraer.

Hector F

student•

Les comparto un recurso.

En http://labs.timtom.ch/library-webscraping/extras/xpath-cheatsheet.md.pdf pueden encontrar más información de XPath.

José Antonio Sandino Montano

student•

Sale caído el link, pero aquí esta otro actualizado https://devhints.io/xpath

Juan R. Vergara M.

student•

Gracias amigos 👍💡

Alan Vazquez

student•

A mi parecer es mejor usar CSS Selectors, tienen una sintaxis mas resumida, mas limpia, entendible y tiene la ventaja de que si sabes frontend o si sabes usar CSS mas especificamente, es exactamente lo mismo ( Yo no se mucho de Frontend ) Estare dejando en los aportes la 'traducción' usando CSS Selectors, y asi ustedes pueden decidir cual usar e ir viendo las diferencias entre los dos 'lenguajes' c:

Manuel Salv. Lemos Foncubierta

student•

Ambas opciones son muy buenas, hay webs donde usar CSS Selectors es horrible por que no tienes formas de llegar a ese elemento o sus nomemclaturas tienen nombres raros.

jesus alberto negrin guerrero

student•

lo suyo es tener la mente abierta dependiendo de lo que estes haciendo, ejemplo en automatizaciones con selenium se destila mucho la utilizacion de css selector al igual que el xpath, mas sin embargo como el xpath es una ruta de carpetas que te envian directo al trozo del codigo, si por refactorizacion del codigo u algun otro motivo mueven dicho codigo o modifican la ruta que hayas copiado ( ruta me refiero a la ruta del xpath) "recapitulo", no funcionada dado ese momento, y sera un dolor de cabeza mas sin embargo no se destila modificar los iD ni los css selector.

David Esteban Solorzano Taborda

student•

Las expresiones regulares tambien son bastante importates en esta area, he tenido casos en que lo que hay para obtener la informacion es texto plano (nada de html) y lo que me ha salvado son las expresiones regulares

bryan Quispe Valeriano

student•

a por el curso de expresiones regulares

Juan Castro

teacher•

Esta lectura tee pude ayudar: https://platzi.com/blog/expresiones-regulares-python/.

Moisés Manuel Morín Hevia

student•

Esta medio largo pero es super necesario.

Cesar Augusto Morales Godoy

student•

Expresiónes regulares

Iván Mauricio Jaimes Niño

student•

XPath tester facilita la construcción y el debugger de las expresiones, nos indica en primera medida si es válida.

Jeinfferson Bernal G

student•

Excelente aporte. Gracias

Salvador Cardona Noriega

student•

Expresiones Regulares, también conocidas como Patrones.

Moisés Manuel Morín Hevia

student•

Soy una máquina para encontrar patrones.

rusbel bermúdez rivera

student•

Hola les dejo mis notas del curso

https://github.com/rb-one/curso-webscrapping-con-xpath-/blob/master/Notes/notes.md

Juan Antonio Alvarenga Galindo

student•

Gracias Rusbel, tus aportes son los mejores ya llevo varios cursos donde tus aportes me han ayudado bastante complementan el contenido del curso, espero hacer mas adelante mis aportes para la comunidad asi como los tuyos, aprendiendo de ti y de platzi !!! Muchas Gracias !!!

Jaime Escobedo Vargas

student•

XPATH es un lenguaje que es utilizado para la extracción de datos por las similitudes que comparte con html. Define la ruta que se debe seguir para llegar al lugar dentro de html de donde queremos extraer la información.

Alejandro Núñez Arroyo

student•

XPath: XML Path Lenguage

Lenguaje muy parecido a HTML, sirvió para definir interfaces, formado por etiquetas, es un lenguaje de patrones que permite extraer datos de un HTML.

Xpath cheatsheet

Julian Castro Pulgarin

student•

Me fui al curso de expresiones regulares y me envicié a eso!!! es una herramienta super importante para todo programador, recomiendo muchísimo el curso!

A demás que complementa super bien con el Scraping

Victor Zuluaga Ramirez

student•

XPath cheatsheet

Daniel Pedroza

student•

Dejo aquí un enlace con los recursos URL

Francisco Garcia [C6]

student•

Excelente, https://www.ionos.es/digitalguide/paginas-web/desarrollo-web/tutorial-de-xpath/

José Manuel Piña Rodríguez

student•

Que motivacion Facundo !!!

Helberts Andres Mosquera Clavijo

student•

con XML configuraba los scaneres de cedula en mi antiguo empleo, tambien en las impresoras de etiquetas

Antonio Demarco Bonino

student•

¿Qué es Xpath? Es un lenguaje con el que podemos crear expresiones parecidas a Regex con una serie de condiciones para recorrer un documento estructurado XML y localizar elementos concretos que están incluidos dentro de ese.

https://www.youtube.com/watch?v=6S0x9MAxBVM&ab_channel=Miguel%C3%81ngelPau

Jeinfferson Bernal G

student•

XML Path Language

XML (Xtensible Markup Language) sirvio para definir interfaces, es un lenguaje que esta formado por nodos (etiquetas). Una técnica para extraer información de este lenguaje es mediante XPath. Como HTML es similar a XML, podemos usar XPath para extraer información de paginas web.

XPath es a HTML lo que son las Expresiones Regulares a un texto

Expresion en XPath

//div/span/h1[@class="title"][1]

Indica que queremos extraer un titulo de un span que esta dentro de un div

XML Path Language

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