Skip to content
Projects
Groups
Snippets
Help
Loading...
Help
Submit feedback
Contribute to GitLab
Sign in
Toggle navigation
crawlersNoticias
Project
Project
Details
Activity
Releases
Cycle Analytics
Repository
Repository
Files
Commits
Branches
Tags
Contributors
Graph
Compare
Charts
Issues
4
Issues
4
List
Board
Labels
Milestones
Merge Requests
0
Merge Requests
0
CI / CD
CI / CD
Pipelines
Jobs
Schedules
Charts
Wiki
Wiki
Members
Members
Collapse sidebar
Close sidebar
Activity
Graph
Charts
Create a new issue
Jobs
Commits
Issue Boards
Open sidebar
m3
crawlersNoticias
Commits
e01447f3
Commit
e01447f3
authored
Apr 02, 2018
by
Renán Sosa Guillen
Browse files
Options
Browse Files
Download
Plain Diff
merge foraneos
parents
ade064f3
26ccc574
Changes
2
Show whitespace changes
Inline
Side-by-side
Showing
2 changed files
with
69 additions
and
45 deletions
+69
-45
README.md
README.md
+63
-40
crawler_data.json
crawler_data.json
+6
-5
No files found.
README.md
View file @
e01447f3
Crawlers para medios de información en linea nacionales basados en
[
Scrapy
](
http://scrapy.org/
)
Crawlers para medios de información en linea nacionales basados en
[
Scrapy
](
http://scrapy.org/
)
Se incluyen los siguientes medios:
Se incluyen los siguientes medios
nacionales
:
*
[
Al Chile
](
http://alchile.com.mx
)
*
[
Al Chile
](
http://alchile.com.mx
)
Acceso por día:
Acceso por día:
...
@@ -89,45 +89,6 @@ Se incluyen los siguientes medios:
...
@@ -89,45 +89,6 @@ Se incluyen los siguientes medios:
scrapy crawl noticias --nolog -s filename=2018-01-30.json -a year=2018 -a month=1 -a day=30
scrapy crawl noticias --nolog -s filename=2018-01-30.json -a year=2018 -a month=1 -a day=30
```
```
No se encontró notas antes del 2015.09.26.
No se encontró notas antes del 2015.09.26.
*
[
Diario Co Latino, El Salvador
](
http://www.diariocolatino.com
)
Acceso por día:
```bash
http://www.diariocolatino.com/2018/2/23/
```
Uso:
```bash
cd diarioCoLatino
scrapy crawl noticias --nolog -s filename=2018-02-23.json -a year=2018 -a month=2 -a day=23
```
No se encontró notas antes del 2013.10.04.
*
[
The San Pedro Sun, Belice
](
https://www.sanpedrosun.com
)
Acceso por día:
```bash
https://www.sanpedrosun.com/2018/2/23/
```
Uso:
```bash
cd sanPedroSun
scrapy crawl noticias --nolog -s filename=2018-02-23.json -a year=2018 -a month=2 -a day=23
```
No se encontró notas antes del 2008.07.21.
*
[
Tiempo Digital, Honduras
](
http://tiempo.hn
)
Acceso por día:
```bash
http://tiempo.hn/2018/2/23/
```
Uso:
```bash
cd tiempoDigitalHn
scrapy crawl noticias --nolog -s filename=2018-02-23.json -a year=2018 -a month=2 -a day=23
```
No se encontró notas antes del 2015.04.17.
*
[
El Grillo Porteño
](
http://grilloporteno.com
)
*
[
El Grillo Porteño
](
http://grilloporteno.com
)
Acceso por día:
Acceso por día:
...
@@ -496,3 +457,65 @@ Se incluyen los siguientes medios:
...
@@ -496,3 +457,65 @@ Se incluyen los siguientes medios:
```
```
No se encontró notas antes del 2017.10.18 para esta version del crawler.
No se encontró notas antes del 2017.10.18 para esta version del crawler.
En general se tienen notas desde el 2011.04.02.
En general se tienen notas desde el 2011.04.02.
Adicionalmente se cuenta con los siguientes medios extranjeros:
*
[
Diario Co Latino, El Salvador
](
http://www.diariocolatino.com
)
Acceso por día:
```bash
http://www.diariocolatino.com/2018/2/23/
```
Uso:
```bash
cd descarga_por_dia/foraneos/diarioCoLatino
scrapy crawl noticias --nolog -s filename=2018-02-23.json -a year=2018 -a month=2 -a day=23
```
No se encontró notas antes del 2013.10.04.
*
[
La Prensa Gráfica, El Salvador
](
https://www.laprensagrafica.com
)
Uso:
```bash
cd descarga_hacia_atras/foraneos/prensaGrafica
scrapy crawl noticias --nolog -s filename=noticias.json // obtiene todas las posibles
scrapy crawl noticias --nolog -s filename=noticias.json -a year=2018 -a month=2 -a day=29 //obtiene hasta una fecha dada
```
No se encontró notas antes del 2017.09.05.
*
[
The San Pedro Sun, Belice
](
https://www.sanpedrosun.com
)
Acceso por día:
```bash
https://www.sanpedrosun.com/2018/2/23/
```
Uso:
```bash
cd descarga_por_dia/foraneos/sanPedroSun
scrapy crawl noticias --nolog -s filename=2018-02-23.json -a year=2018 -a month=2 -a day=23
```
No se encontró notas antes del 2008.07.21.
*
[
Tiempo Digital, Honduras
](
http://tiempo.hn
)
Acceso por día:
```bash
http://tiempo.hn/2018/2/23/
```
Uso:
```bash
cd descarga_por_dia/foraneos/tiempoDigitalHn
scrapy crawl noticias --nolog -s filename=2018-02-23.json -a year=2018 -a month=2 -a day=23
```
No se encontró notas antes del 2015.04.17.
*
[
La Tribuna, Honduras
](
http://www.latribuna.hn
)
Uso:
```bash
cd descarga_hacia_atras/foraneos/tribunaHn
scrapy crawl noticias --nolog -s filename=noticias.json // obtiene todas las posibles
scrapy crawl noticias --nolog -s filename=noticias.json -a year=2018 -a month=2 -a day=29 //obtiene hasta una fecha dada
```
No se encontró notas antes del ----.--.--.
crawler_data.json
View file @
e01447f3
...
@@ -5,9 +5,6 @@
...
@@ -5,9 +5,6 @@
{
"nombre"
:
"Diario de Yucatan"
,
"crawler"
:
"descarga_hacia_atras/diarioYucatan"
,
"desde"
:
"02-04-2012"
,
"url"
:
"http://yucatan.com.mx"
},
{
"nombre"
:
"Diario de Yucatan"
,
"crawler"
:
"descarga_hacia_atras/diarioYucatan"
,
"desde"
:
"02-04-2012"
,
"url"
:
"http://yucatan.com.mx"
},
{
"nombre"
:
"EDOMEX al Dia"
,
"crawler"
:
"descarga_por_dia/edoMexDia"
,
"desde"
:
"21-09-2011"
,
"url"
:
"http://www.edomexaldia.com.mx"
},
{
"nombre"
:
"EDOMEX al Dia"
,
"crawler"
:
"descarga_por_dia/edoMexDia"
,
"desde"
:
"21-09-2011"
,
"url"
:
"http://www.edomexaldia.com.mx"
},
{
"nombre"
:
"Expreso Chiapas"
,
"crawler"
:
"descarga_por_dia/expresoChiapas"
,
"desde"
:
"26-09-2015"
,
"url"
:
"http://expresochiapas.com/noticias"
},
{
"nombre"
:
"Expreso Chiapas"
,
"crawler"
:
"descarga_por_dia/expresoChiapas"
,
"desde"
:
"26-09-2015"
,
"url"
:
"http://expresochiapas.com/noticias"
},
{
"nombre"
:
"Diario Co Latino"
,
"crawler"
:
"descarga_por_dia/foraneos/diarioCoLatino"
,
"desde"
:
"04-10-2013"
,
"url"
:
"https://www.diariocolatino.com"
},
{
"nombre"
:
"The San Pedro Sun"
,
"crawler"
:
"descarga_por_dia/foraneos/sanPedroSun"
,
"desde"
:
"21-07-2008"
,
"url"
:
"https://www.sanpedrosun.com"
},
{
"nombre"
:
"Tiempo Digital Hn"
,
"crawler"
:
"descarga_por_dia/foraneos/tiempoDigitalHn"
,
"desde"
:
"17-04-2015"
,
"url"
:
"https://tiempo.hn"
},
{
"nombre"
:
"El Grillo"
,
"crawler"
:
"descarga_por_dia/grilloPorteno"
,
"desde"
:
"04-11-2013"
,
"url"
:
"http://grilloporteno.com"
},
{
"nombre"
:
"El Grillo"
,
"crawler"
:
"descarga_por_dia/grilloPorteno"
,
"desde"
:
"04-11-2013"
,
"url"
:
"http://grilloporteno.com"
},
{
"nombre"
:
"El Heraldo Aguascalientes"
,
"crawler"
:
"descarga_por_dia/heraldoAgs"
,
"desde"
:
"23-01-2014"
,
"url"
:
"http://www.heraldo.mx"
},
{
"nombre"
:
"El Heraldo Aguascalientes"
,
"crawler"
:
"descarga_por_dia/heraldoAgs"
,
"desde"
:
"23-01-2014"
,
"url"
:
"http://www.heraldo.mx"
},
{
"nombre"
:
"El Heraldo Leon"
,
"crawler"
:
"descarga_por_dia/heraldoLeon"
,
"desde"
:
"06-07-2016"
,
"url"
:
"http://www.heraldoleon.mx"
},
{
"nombre"
:
"El Heraldo Leon"
,
"crawler"
:
"descarga_por_dia/heraldoLeon"
,
"desde"
:
"06-07-2016"
,
"url"
:
"http://www.heraldoleon.mx"
},
...
@@ -30,7 +27,6 @@
...
@@ -30,7 +27,6 @@
{
"nombre"
:
"Notisureste"
,
"crawler"
:
"descarga_por_dia/notisureste"
,
"desde"
:
"28-11-2011"
,
"url"
:
"http://www.notisureste.com"
},
{
"nombre"
:
"Notisureste"
,
"crawler"
:
"descarga_por_dia/notisureste"
,
"desde"
:
"28-11-2011"
,
"url"
:
"http://www.notisureste.com"
},
{
"nombre"
:
"Periodico Correo"
,
"crawler"
:
"descarga_por_dia/periodicoCorreo"
,
"desde"
:
"08-09-2013"
,
"url"
:
"https://periodicocorreo.com.mx"
},
{
"nombre"
:
"Periodico Correo"
,
"crawler"
:
"descarga_por_dia/periodicoCorreo"
,
"desde"
:
"08-09-2013"
,
"url"
:
"https://periodicocorreo.com.mx"
},
{
"nombre"
:
"Periodico Victoria"
,
"crawler"
:
"descarga_por_dia/periodicoVictoria"
,
"desde"
:
"09-10-2013"
,
"url"
:
"http://periodicovictoria.mx"
},
{
"nombre"
:
"Periodico Victoria"
,
"crawler"
:
"descarga_por_dia/periodicoVictoria"
,
"desde"
:
"09-10-2013"
,
"url"
:
"http://periodicovictoria.mx"
},
{
"nombre"
:
"La Prensa Grafica"
,
"crawler"
:
"descarga_hacia_atras/foraneos/prensaGrafica"
,
"url"
:
"https://www.laprensagrafica.com"
},
{
"nombre"
:
"Proceso"
,
"crawler"
:
"descarga_por_mes/proceso"
,
"desde"
:
"11-1976"
,
"url"
:
"http://www.proceso.com.mx"
},
{
"nombre"
:
"Proceso"
,
"crawler"
:
"descarga_por_mes/proceso"
,
"desde"
:
"11-1976"
,
"url"
:
"http://www.proceso.com.mx"
},
{
"nombre"
:
"Punto Medio"
,
"crawler"
:
"descarga_por_dia/puntoMedio"
,
"desde"
:
"02-08-2015"
,
"url"
:
"https://www.puntomedio.mx"
},
{
"nombre"
:
"Punto Medio"
,
"crawler"
:
"descarga_por_dia/puntoMedio"
,
"desde"
:
"02-08-2015"
,
"url"
:
"https://www.puntomedio.mx"
},
{
"nombre"
:
"Sona 89.3"
,
"crawler"
:
"descarga_por_dia/sona893"
,
"desde"
:
"09-04-2012"
,
"url"
:
"http://sona893.fm"
},
{
"nombre"
:
"Sona 89.3"
,
"crawler"
:
"descarga_por_dia/sona893"
,
"desde"
:
"09-04-2012"
,
"url"
:
"http://sona893.fm"
},
...
@@ -38,4 +34,9 @@
...
@@ -38,4 +34,9 @@
{
"nombre"
:
"Uno Mas Uno"
,
"crawler"
:
"descarga_por_dia/unoMasUno"
,
"desde"
:
"04-05-2017"
,
"url"
:
"http://www.unomasuno.com.mx"
},
{
"nombre"
:
"Uno Mas Uno"
,
"crawler"
:
"descarga_por_dia/unoMasUno"
,
"desde"
:
"04-05-2017"
,
"url"
:
"http://www.unomasuno.com.mx"
},
{
"nombre"
:
"Yucatan a la Mano"
,
"crawler"
:
"descarga_por_dia/yucatanALaMano"
,
"desde"
:
"11-05-2015"
,
"url"
:
"http://www.yucatanalamano.com"
},
{
"nombre"
:
"Yucatan a la Mano"
,
"crawler"
:
"descarga_por_dia/yucatanALaMano"
,
"desde"
:
"11-05-2015"
,
"url"
:
"http://www.yucatanalamano.com"
},
{
"nombre"
:
"Yucatan al Minuto"
,
"crawler"
:
"descarga_hacia_atras/yucatanAlMinuto"
,
"desde"
:
"17-01-2017"
,
"url"
:
"http://www.yucatanalminuto.com"
},
{
"nombre"
:
"Yucatan al Minuto"
,
"crawler"
:
"descarga_hacia_atras/yucatanAlMinuto"
,
"desde"
:
"17-01-2017"
,
"url"
:
"http://www.yucatanalminuto.com"
},
{
"nombre"
:
"Yucatan en Corto"
,
"crawler"
:
"descarga_por_dia/yucatanEnCorto"
,
"desde"
:
"02-04-2011"
,
"url"
:
"http://www.yucatanencorto.com/noticias"
}]
{
"nombre"
:
"Yucatan en Corto"
,
"crawler"
:
"descarga_por_dia/yucatanEnCorto"
,
"desde"
:
"02-04-2011"
,
"url"
:
"http://www.yucatanencorto.com/noticias"
},
\ No newline at end of file
{
"nombre"
:
"Diario Co Latino"
,
"crawler"
:
"descarga_por_dia/foraneos/diarioCoLatino"
,
"desde"
:
"04-10-2013"
,
"url"
:
"https://www.diariocolatino.com"
},
{
"nombre"
:
"La Prensa Grafica"
,
"crawler"
:
"descarga_hacia_atras/foraneos/prensaGrafica"
,
"desde"
:
"05-09-2017"
,
"url"
:
"https://www.laprensagrafica.com"
},
{
"nombre"
:
"The San Pedro Sun"
,
"crawler"
:
"descarga_por_dia/foraneos/sanPedroSun"
,
"desde"
:
"21-07-2008"
,
"url"
:
"https://www.sanpedrosun.com"
},
{
"nombre"
:
"Tiempo Digital Hn"
,
"crawler"
:
"descarga_por_dia/foraneos/tiempoDigitalHn"
,
"desde"
:
"17-04-2015"
,
"url"
:
"https://tiempo.hn"
},
{
"nombre"
:
"La Tribuna Hn"
,
"crawler"
:
"descarga_hacia_atras/foraneos/tribunaHn"
,
"url"
:
"http://www.latribuna.hn"
}]
\ No newline at end of file
Write
Preview
Markdown
is supported
0%
Try again
or
attach a new file
Attach a file
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Cancel
Please
register
or
sign in
to comment