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:
COMPATIR EN REDES
NOTICIAS RELACIONADAS
Una batería para 11 dispositivos al mismo tiempo se hace realidad en Indiegogo
Los periodistas móviles necesitan fuentes de energía en sus comisiones, sobre todo cuando necesitan alejarse por mucho tiempo de fuentes eléctricas.
17-04-17“Hay periodismo en Twitter pero Twitter no es periodismo”
Recomendamos el editorial del diario La Vanguardia de España, donde se señala que muchos usuarios creen que Twitter es un medio de comunicación más y que incluso puede sustituir otros sistemas más tradicionales
14-01-12Caso Detroit: el periodismo tiene que explicar los temas complejos
En medio de la crisis financiera, los periodistas han formado la Cooperativva de Periodismo de Detroit que pretende informar a los ciudadanos lo que sucede en la ciudad y contar historias de gente que se ve afectada por la bancarrota.
27-02-14