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
Enrique Krauze: “El periodismo se está volviendo una labor heroica”
Krause advirtió que actualmente los comunicadores ya no solo luchan contra la arbitrariedad de los estados y los gobernantes. Hoy se enfrentan al crimen organizado.
10-03-13¿Los periodistas que 'matan' gente en Twitter deben ser despedidos?
No es la primera vez que despiden a un periodista por publicar en Twitter una información falsa, una crítica, una opinión o un insulto.
18-08-111,123 periodistas asesinados desde 1992
La mayoría de las víctimas cubría temas políticos y el 38% fue asesinado en zonas de guerras. El 20% falleció por sus reportes vinculados en temas de derechos humanos y corrupción.
03-05-15