Herramientas
5 herramientas para la recolección de datos de páginas web
Por Cindy Villegas
Publicado el 17 de enero del 2011
![](https://www.clasesdeperiodismo.com/wp-content/uploads/2011/01/teclado.jpg)
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:
COMPATIR EN REDES
NOTICIAS RELACIONADAS
![](https://www.clasesdeperiodismo.com/wp-content/uploads/2013/09/RAdar.png)
Desarrollan una app de reporterismo móvil a través de SMS
Radar es una plataforma de periodismo ciudadano, que se encarga de presentar informes que son compartidos a través de mensajes de textos de sus reporteros y editores en países de desarrollo.
01-09-13![](https://www.clasesdeperiodismo.com/wp-content/uploads/2014/05/reporter.jpg)
EE.UU: Evitan que reportera revele sus fuentes
La Corte Suprema de Colorado, EE.UU., rechazó hoy un último intento de los abogados del sospechoso de un tiroteo, James Holmes, para obligar a la reportera de FoxNews.com, Jana Winter, a revelar sus fuentes.
27-05-14La Primavera Árabe y el manejo de la información en redes sociales
El vicepresidente de la Federación Internacional de Periodistas (IFJ), Jounes Mjahed, conversó con La Voz de Galicia sobre las redes sociales y las manifestaciones en África.
23-10-11