Skip to content

crawlersNoticias
crawlersNoticias
Commit f3e69d86 authored by Renán Sosa Guillen's avatar Renán Sosa Guillen
Browse files
Options

README

parent 58a72255
Show whitespace changes
Inline Side-by-side
Showing with 31 additions and 42 deletions
README.md
View file @ f3e69d86
...@@ -11,7 +11,7 @@ Se incluyen los siguientes medios: ...@@ -11,7 +11,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd alChile cd alChile
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=22 scrapy crawl noticias --nolog -s filename=2017-03-22.json -a year=2017 -a month=3 -a day=22
``` ```
No se encontró notas antes del 2014.06.01. No se encontró notas antes del 2014.06.01.
* [Campeche Hoy](http://campechehoy.mx) * [Campeche Hoy](http://campechehoy.mx)
...@@ -24,7 +24,7 @@ Se incluyen los siguientes medios: ...@@ -24,7 +24,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd campecheHoy cd campecheHoy
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2018 -a month=1 -a day=22 scrapy crawl noticias --nolog -s filename=2018-01-22.json -a year=2018 -a month=1 -a day=22
``` ```
No se encontró notas antes del 2017.06.01. No se encontró notas antes del 2017.06.01.
* [Desde el Balcón](http://www.desdeelbalcon.com) * [Desde el Balcón](http://www.desdeelbalcon.com)
...@@ -37,7 +37,7 @@ Se incluyen los siguientes medios: ...@@ -37,7 +37,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd desdeElBalcon cd desdeElBalcon
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=30 scrapy crawl noticias --nolog -s filename=2017-03-30.json -a year=2017 -a month=3 -a day=30
``` ```
No se encontró notas antes del 2014.01.11. No se encontró notas antes del 2014.01.11.
* [Diario del Yaqui](http://diariodelyaqui.mx) * [Diario del Yaqui](http://diariodelyaqui.mx)
...@@ -50,7 +50,7 @@ Se incluyen los siguientes medios: ...@@ -50,7 +50,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd diarioYaqui cd diarioYaqui
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2016 -a month=12 -a day=24 scrapy crawl noticias --nolog -s filename=2016-12-24.json -a year=2016 -a month=12 -a day=24
``` ```
No se encontró notas antes del 2016.12.30. No se encontró notas antes del 2016.12.30.
* [Diario de Yucatán](http://yucatan.com.mx) * [Diario de Yucatán](http://yucatan.com.mx)
...@@ -60,7 +60,7 @@ Se incluyen los siguientes medios: ...@@ -60,7 +60,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd diarioYucatan cd diarioYucatan
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2016 -a month=12 -a day=24 scrapy crawl noticias --nolog -s filename=noticias.json
``` ```
No se encontró notas antes del 2012.04.02. No se encontró notas antes del 2012.04.02.
* [El Grillo Porteño](http://grilloporteno.com) * [El Grillo Porteño](http://grilloporteno.com)
...@@ -73,7 +73,7 @@ Se incluyen los siguientes medios: ...@@ -73,7 +73,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd grilloPorteno cd grilloPorteno
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26 scrapy crawl noticias --nolog -s filename=2017-03-26.json -a year=2017 -a month=3 -a day=26
``` ```
No se encontró notas antes del 2013.11.04. No se encontró notas antes del 2013.11.04.
* [El Heraldo Aguascalientes](http://www.heraldo.mx) * [El Heraldo Aguascalientes](http://www.heraldo.mx)
...@@ -86,7 +86,7 @@ Se incluyen los siguientes medios: ...@@ -86,7 +86,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd heraldoAgs cd heraldoAgs
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2018 -a month=1 -a day=22 scrapy crawl noticias --nolog -s filename=2018-01-22.json -a year=2018 -a month=1 -a day=22
``` ```
No se encontró notas antes del 2014.01.23. No se encontró notas antes del 2014.01.23.
* [La Jornada](http://www.jornada.unam.mx) * [La Jornada](http://www.jornada.unam.mx)
...@@ -99,7 +99,7 @@ Se incluyen los siguientes medios: ...@@ -99,7 +99,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laJornada cd laJornada
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=4 -a day=23 scrapy crawl noticias --nolog -s filename=2017-04-23.json -a year=2017 -a month=4 -a day=23
``` ```
No se encontró notas antes del 1996.03.03. No se encontró notas antes del 1996.03.03.
* [La Jornada Aguascalientes](http://www.lja.mx) * [La Jornada Aguascalientes](http://www.lja.mx)
...@@ -112,7 +112,7 @@ Se incluyen los siguientes medios: ...@@ -112,7 +112,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laJornadaAgs cd laJornadaAgs
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26 scrapy crawl noticias --nolog -s filename=2017-03-26.json -a year=2017 -a month=3 -a day=26
``` ```
No se encontró notas antes del 2008.12.01. No se encontró notas antes del 2008.12.01.
* [La Jornada Baja California](http://jornadabc.mx) * [La Jornada Baja California](http://jornadabc.mx)
...@@ -126,19 +126,6 @@ Se incluyen los siguientes medios: ...@@ -126,19 +126,6 @@ Se incluyen los siguientes medios:
``` ```
No se encontró notas antes del 2015.02.09. No se encontró notas antes del 2015.02.09.
Esta versión descarga por fecha. Se recomienda usar principalmente para fechas recientes. Esta versión descarga por fecha. Se recomienda usar principalmente para fechas recientes.
* [La Jornada Guerrero](http://www.lajornadaguerrero.com.mx)
Acceso por día:
```bash
http://www.lajornadaguerrero.com.mx/2017/04/12/
```
Uso:
```bash
cd laJornadaGro
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26
```
No se encontró notas antes del 2007.01.22.
* [La Jornada Guerrero (Nueva página)](http://www.lajornadaguerrero.com.mx) * [La Jornada Guerrero (Nueva página)](http://www.lajornadaguerrero.com.mx)
Acceso por día: Acceso por día:
...@@ -148,10 +135,11 @@ Se incluyen los siguientes medios: ...@@ -148,10 +135,11 @@ Se incluyen los siguientes medios:
Uso: Uso:
```bash ```bash
cd laJornadaGro2 cd laJornadaGro
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=9 -a day=17 scrapy crawl noticias --nolog -s filename=2017-09-17.json -a year=2017 -a month=9 -a day=17
``` ```
No se encontró notas antes del 2017.08.15. No se encontró notas antes del 2017.08.15 para esta version del crawler.
En general se tienen notas desde el 2007.01.22
* [La Jornada Maya](https://www.lajornadamaya.mx) * [La Jornada Maya](https://www.lajornadamaya.mx)
...@@ -172,7 +160,7 @@ Se incluyen los siguientes medios: ...@@ -172,7 +160,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laJornadaOte cd laJornadaOte
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26 scrapy crawl noticias --nolog -s filename=2017-03-26.json -a year=2017 -a month=3 -a day=26
``` ```
No se encontró notas antes del 2013.06.01. No se encontró notas antes del 2013.06.01.
* [La Jornada San Luis](http://lajornadasanluis.com.mx) * [La Jornada San Luis](http://lajornadasanluis.com.mx)
...@@ -185,7 +173,7 @@ Se incluyen los siguientes medios: ...@@ -185,7 +173,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laJornadaSanLuis cd laJornadaSanLuis
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26 scrapy crawl noticias --nolog -s filename=2017-03-26.json -a year=2017 -a month=3 -a day=26
``` ```
No se encontró notas antes del 2014.10.08. No se encontró notas antes del 2014.10.08.
* [La Jornada Veracruz](http://www.jornadaveracruz.com.mx) * [La Jornada Veracruz](http://www.jornadaveracruz.com.mx)
...@@ -198,7 +186,7 @@ Se incluyen los siguientes medios: ...@@ -198,7 +186,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laJornadaVer cd laJornadaVer
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26 scrapy crawl noticias --nolog -s filename=2017-03-26.json -a year=2017 -a month=3 -a day=26
``` ```
No se encontró notas antes del 2009.05.11. No se encontró notas antes del 2009.05.11.
* [La Jornada Zacatecas](http://ljz.mx) * [La Jornada Zacatecas](http://ljz.mx)
...@@ -211,7 +199,7 @@ Se incluyen los siguientes medios: ...@@ -211,7 +199,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laJornadaZac cd laJornadaZac
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=26 scrapy crawl noticias --nolog -s filename=2017-03-26.json -a year=2017 -a month=3 -a day=26
``` ```
No se encontró notas antes del 2013.06.10. No se encontró notas antes del 2013.06.10.
* [La Razón](https://www.razon.com.mx) * [La Razón](https://www.razon.com.mx)
...@@ -224,7 +212,7 @@ Se incluyen los siguientes medios: ...@@ -224,7 +212,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd laRazon cd laRazon
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=9 -a day=28 scrapy crawl noticias --nolog -s filename=2017-09-28.json -a year=2017 -a month=9 -a day=28
``` ```
No se encontró notas antes del 2015.01.01. No se encontró notas antes del 2015.01.01.
* [La Verdad Yucatán](http://laverdadnoticias.com) * [La Verdad Yucatán](http://laverdadnoticias.com)
...@@ -250,7 +238,7 @@ Se incluyen los siguientes medios: ...@@ -250,7 +238,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd lectorMX cd lectorMX
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=30 scrapy crawl noticias --nolog -s filename=2017-03-30.json -a year=2017 -a month=3 -a day=30
``` ```
No se encontró notas antes del 2015.10.23. No se encontró notas antes del 2015.10.23.
* [Mi Punto de Vista](http://www.mipuntodevista.com.mx) * [Mi Punto de Vista](http://www.mipuntodevista.com.mx)
...@@ -263,7 +251,7 @@ Se incluyen los siguientes medios: ...@@ -263,7 +251,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd miPuntoDeVista cd miPuntoDeVista
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=28 scrapy crawl noticias --nolog -s filename=2017-03-28.json -a year=2017 -a month=3 -a day=28
``` ```
No se encontró notas antes del 2008.10.04. No se encontró notas antes del 2008.10.04.
* [Notirivas](http://gruporivas.com.mx/notirivas) * [Notirivas](http://gruporivas.com.mx/notirivas)
...@@ -276,7 +264,7 @@ Se incluyen los siguientes medios: ...@@ -276,7 +264,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd notirivas cd notirivas
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=30 scrapy crawl noticias --nolog -s filename=2017-03-30.json -a year=2017 -a month=3 -a day=30
``` ```
No se encontró notas antes del 2016.11.22. No se encontró notas antes del 2016.11.22.
* [Notisureste](http://www.notisureste.com) * [Notisureste](http://www.notisureste.com)
...@@ -289,7 +277,7 @@ Se incluyen los siguientes medios: ...@@ -289,7 +277,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd notisureste cd notisureste
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=22 scrapy crawl noticias --nolog -s filename=2017-03-22.json -a year=2017 -a month=3 -a day=22
``` ```
No se encontró notas antes del 2011.11.28. No se encontró notas antes del 2011.11.28.
* [Proceso](http://www.proceso.com.mx) * [Proceso](http://www.proceso.com.mx)
...@@ -312,7 +300,7 @@ Se incluyen los siguientes medios: ...@@ -312,7 +300,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd puntoMedio cd puntoMedio
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=27 scrapy crawl noticias --nolog -s filename=2017-03-27.json -a year=2017 -a month=3 -a day=27
``` ```
No se encontró notas antes del 2015.08.02. No se encontró notas antes del 2015.08.02.
* [Sona 89.3](http://sona893.fm) * [Sona 89.3](http://sona893.fm)
...@@ -325,7 +313,7 @@ Se incluyen los siguientes medios: ...@@ -325,7 +313,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd sona893 cd sona893
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=24 scrapy crawl noticias --nolog -s filename=2017-03-24.json -a year=2017 -a month=3 -a day=24
``` ```
No se encontró notas antes del 2012.04.09. No se encontró notas antes del 2012.04.09.
* [Tribuna de los Cabos](http://www.tribunadeloscabos.com.mx/) * [Tribuna de los Cabos](http://www.tribunadeloscabos.com.mx/)
...@@ -338,7 +326,7 @@ Se incluyen los siguientes medios: ...@@ -338,7 +326,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd tribunaCabos cd tribunaCabos
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2018 -a month=1 -a day=18 scrapy crawl noticias --nolog -s filename=2018-01-18.json -a year=2018 -a month=1 -a day=18
``` ```
No se encontró notas antes del 2016.06.01. No se encontró notas antes del 2016.06.01.
* [Uno Más Uno](http://www.unomasuno.com.mx) * [Uno Más Uno](http://www.unomasuno.com.mx)
...@@ -351,7 +339,7 @@ Se incluyen los siguientes medios: ...@@ -351,7 +339,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd unoMasUno cd unoMasUno
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=09 -a day=22 scrapy crawl noticias --nolog -s filename=2017-09-22.json -a year=2017 -a month=09 -a day=22
``` ```
No se encontró notas antes del 2017.05.04. No se encontró notas antes del 2017.05.04.
* [Yucatán a la Mano](http://www.yucatanalamano.com) * [Yucatán a la Mano](http://www.yucatanalamano.com)
...@@ -364,7 +352,7 @@ Se incluyen los siguientes medios: ...@@ -364,7 +352,7 @@ Se incluyen los siguientes medios:
```bash ```bash
cd yucatanALaMano cd yucatanALaMano
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=25 scrapy crawl noticias --nolog -s filename=2017-03-25.json -a year=2017 -a month=3 -a day=25
``` ```
No se encontró notas antes del 2015.05.11. No se encontró notas antes del 2015.05.11.
* [Yucatán al Minuto](http://www.yucatanalminuto.com) * [Yucatán al Minuto](http://www.yucatanalminuto.com)
...@@ -381,12 +369,13 @@ Se incluyen los siguientes medios: ...@@ -381,12 +369,13 @@ Se incluyen los siguientes medios:
Acceso por día: Acceso por día:
```bash ```bash
http://florcastillo.mx/noticias/2017/9/13 http://www.yucatanencorto.com/noticias/2017/12/15
``` ```
Uso: Uso:
```bash ```bash
cd yucatanEnCorto cd yucatanEnCorto
scrapy crawl noticias -t json --nolog -o noticias.json -a year=2017 -a month=3 -a day=29 scrapy crawl noticias --nolog -s filename=2017-03-29.json -a year=2017 -a month=3 -a day=29
``` ```
No se encontró notas antes del 2011.04.02. No se encontró notas antes del 2017.10.18 para esta version del crawler.
En general se tienen notas desde el 2011.04.02.
Markdown is supported
0% or
You are about to add 0 people to the discussion. Proceed with caution.
Finish editing this message first!
Please register or to comment