Herramientas

5 herramientas para la recolección de datos de páginas web

Por Cindy Villegas

Publicado el 17 de enero del 2011

El periodista Dan Nguyen de ProPublica comparte 5 herramientas muy útiles para la recolección de datos (o ‘raspado’) de páginas web. Si bien estas herramientas requieren la capacidad de programar, también pueden ser usadas por periodistas que están aprendiendo a programar y saben lo básico.

Google Refine: (Anteriormente conocida como base libre GridWorks) Una aplicación sofisticada que hace la limpieza de datos en un instante.
Firebug: Un plug-in para Firefox que añade una serie de herramientas de desarrollo útiles, incluyendo el seguimiento de parámetros y archivos recibidos de los sitios web que quiere ‘raspar’.
Ruby: El lenguaje de programación más utilizado en ProPublica.
Nokogiri: Una colección de Ruby esencial para raspar las páginas web.
Tesseract: Reconocimiento de caracteres ópticos de Google ( OCR ) herramienta útil para convertir el texto escaneado en “real”, texto interpretable.
Adobe Acrobat: Puede (a veces) convertir archivos PDF a HTML bien estructurados.

Además, Nguyen agrega guías para usar mejor estas herramientas.

Usar Google Refine para limpiar datos desordenados.
Lectura de datos desde sitios Flash usando Firebug.
Análisis de PDF.
Raspado de HTML.
Obtener el texto de una imagen escaneada (solo en PDF).

Publicado por:

Periodista.

Sígueme

COMPATIR EN REDES

NOTICIAS RELACIONADAS

“Si uno no reportea bien, es imposible contar una historia”

La segunda edición del Encuentro Nuevos Cronistas de Indias, realizado en México, llegará a su fin esta tarde tras tres días de charlas sobre el periodismo, y en especial la crónica.

12-10-12

5 sitios recomendados para encontrar noticias

Si estás cansado de buscar noticias en los medios tradicionales y no encontrar lo que quieres. Unbounce te recomienda cinco sitios para lograr tu objetivo.

26-04-12

Relatora de la OEA pide mecanismos para investigar la violencia a periodistas

La relatora especial para la libertad de expresión en la Organización de Estados Americanos (OEA), Catalina Botero, pidió  la creación de mecanismos de investigación específicos contra la violencia hacia los periodistas, ya que la ausencia de ellos arroja como resultado “una impunidad brutal”. Esta declaración la hizo durante la primera conferencia en Latinoamérica de la […]

10-03-11

COMENTARIOS