Tutorial completo de raspado web con Python y Beautiful Soup (find/find_all, selección CSS, extraer tablas)

Practica tus habilidades de ciencia de datos con Python y Pandas resolviendo problemas en StrataScratch.

En este video, te enseñamos a hacer *web scraping* en Python usando la biblioteca Beautiful Soup. Empezamos con una breve introducción al HTML y CSS, explicando qué es el raspado web. Luego, profundizamos en los fundamentos de Beautiful Soup: cómo cargar una página web, los comandos básicos como *find* y *find_all*, cómo extraer texto de elementos HTML, y más.

La última sección de este tutorial está dedicada a ejercicios prácticos para que puedas aplicar lo aprendido. Aquí, rasparás enlaces de una página web, aprenderás a extraer una tabla y cargarla en un DataFrame de Pandas, y verás cómo descargar una imagen desde la web. ¡Espero que te diviertas!

Únete al *Ejército de Python* para acceder a beneficios exclusivos.

Recursos usados en este video

Aprende más sobre HTML/CSS

Tiempo de la video
0:00 - Introducción y visión general
1:09 - ¿Qué es el raspado web?
3:51 - Introducción al HTML

Usando la biblioteca Beautiful Soup (5:29)
6:31 - Cargar una página web (con la biblioteca *requests*)
8:21 - Empezando a raspar
9:18 - Métodos *find* y *find_all*
16:00 - Buscar texto específico en el HTML (con expresiones regulares)
18:38 - Método *select* (selecciones por ruta CSS)
25:55 - Extraer el texto de un elemento HTML
28:17 - Obtener una propiedad de un elemento HTML (href, src, id, class, etc.)
29:41 - Navegación en el código (padres, hijos, hermanos)

¡Practiquemos! (33:57)
35:53 - Ejercicio #1: Obtener todos los enlaces sociales de una página web en 3 formas distintas
42:09 - Ejerc…