Decodificar enlaces y ver acentos
En este paso vamos a sustituir los caracteres especiales decodificando los enlaces
Enlace Patrocinado
Respondent.io es una plataforma en línea que conecta investigadores y empresas con participantes para estudios de mercado y encuestas remuneradas. Su objetivo es facilitar la recopilación de datos cualitativos y cuantitativos mediante entrevistas, encuestas y pruebas de usuario
Respondent.io
Respondent.io es una plataforma en línea que conecta investigadores y empresas con participantes para estudios de mercado y encuestas remuneradas. Su objetivo es facilitar la recopilación de datos cualitativos y cuantitativos mediante entrevistas, encuestas y pruebas de usuario
# -*- coding: iso-8859-15 -*-
# Proyecto Web Scraping para SEO con Python
# Clase 4: Decodificar enlaces y ver acentos
# webscrap4
import urllib
import re
url = “https://evginformatica.blogspot.com/”
htmluni = urllib.urlopen(url).read()
html=urllib.unquote(htmluni).decode(“utf-8”)
busqueda = “href='”+url+“.+?'”
enlaces = re.findall(busqueda, html)
for enlace in enlaces:
print enlace
# Proyecto Web Scraping para SEO con Python
# Clase 4: Decodificar enlaces y ver acentos
# webscrap4
import urllib
import re
url = “https://evginformatica.blogspot.com/”
htmluni = urllib.urlopen(url).read()
html=urllib.unquote(htmluni).decode(“utf-8”)
busqueda = “href='”+url+“.+?'”
enlaces = re.findall(busqueda, html)
for enlace in enlaces:
print enlace
la linea
html=urllib.unquote(htmluni).decode(“utf-8”)
unquote es para sustituir los códigos especiales (pej %20 por espacio) y decode(“utf-8”) es para poner los caracteres en español (pej acentos)
Con estos cambios ya veremos bien los enlaces
pej.
href=’https://evginformatica.blogspot.com/search/label/Curso Online’
href=’https://evginformatica.blogspot.com/search/label/Lenguajes de programación’
