Empezando con Python

En el primer capítulo, hemos aprendido de qué se trata el web scraping. En este capítulo, veamos cómo implementar web scraping usando Python.

¿Por qué Python para Web Scraping?

Python es una herramienta popular para implementar web scraping. El lenguaje de programación Python también se utiliza para otros proyectos útiles relacionados con la seguridad cibernética, las pruebas de penetración y las aplicaciones forenses digitales. Usando la programación base de Python, el web scraping se puede realizar sin usar ninguna otra herramienta de terceros.

El lenguaje de programación Python está ganando gran popularidad y las razones que hacen que Python sea una buena opción para proyectos de raspado web son las siguientes:

Simplicidad de sintaxis

Python tiene la estructura más simple en comparación con otros lenguajes de programación. Esta característica de Python facilita las pruebas y el desarrollador puede centrarse más en la programación.

Módulos incorporados

Otra razón para usar Python para web scraping son las bibliotecas útiles integradas y externas que posee. Podemos realizar muchas implementaciones relacionadas con el web scraping utilizando Python como base para la programación.

Lenguaje de programación de código abierto

Python tiene un gran apoyo de la comunidad porque es un lenguaje de programación de código abierto.

Amplia gama de aplicaciones

Python se puede utilizar para diversas tareas de programación que van desde pequeños scripts de shell hasta aplicaciones web empresariales.

Instalación de Python

La distribución de Python está disponible para plataformas como Windows, MAC y Unix / Linux. Necesitamos descargar solo el código binario aplicable a nuestra plataforma para instalar Python. Pero en caso de que el código binario de nuestra plataforma no esté disponible, debemos tener un compilador C para que el código fuente se pueda compilar manualmente.

Podemos instalar Python en varias plataformas de la siguiente manera:

Instalación de Python en Unix y Linux

Debe seguir los pasos que se indican a continuación para instalar Python en máquinas Unix / Linux:

Step 1 - Ir al enlace https://www.python.org/downloads/

Step 2 - Descargue el código fuente comprimido disponible para Unix / Linux en el enlace anterior.

Step 3 - Extraiga los archivos en su computadora.

Step 4 - Utilice los siguientes comandos para completar la instalación -

run ./configure script
make
make install

Puede encontrar Python instalado en la ubicación estándar /usr/local/bin y sus bibliotecas en /usr/local/lib/pythonXX, donde XX es la versión de Python.

Instalación de Python en Windows

Debe seguir los pasos que se indican a continuación para instalar Python en máquinas con Windows:

Step 1 - Ir al enlace https://www.python.org/downloads/

Step 2 - Descarga el instalador de Windows python-XYZ.msi archivo, donde XYZ es la versión que necesitamos instalar.

Step 3 - Ahora, guarde el archivo de instalación en su máquina local y ejecute el archivo MSI.

Step 4 - Por último, ejecute el archivo descargado para que aparezca el asistente de instalación de Python.

Instalación de Python en Macintosh

Debemos usar Homebrew para instalar Python 3 en Mac OS X. Homebrew es fácil de instalar y es un gran instalador de paquetes.

Homebrew también se puede instalar usando el siguiente comando:

$ ruby -e "$(curl -fsSL
https://raw.githubusercontent.com/Homebrew/install/master/install)"

Para actualizar el administrador de paquetes, podemos usar el siguiente comando:

$ brew update

Con la ayuda del siguiente comando, podemos instalar Python3 en nuestra máquina MAC:

$ brew install python3

Configuración de PATH

Puede utilizar las siguientes instrucciones para configurar la ruta en varios entornos:

Configuración de la ruta en Unix / Linux

Utilice los siguientes comandos para configurar rutas utilizando varios shells de comandos:

Para csh shell

setenv PATH "$PATH:/usr/local/bin/python".

Para bash shell (Linux)

ATH="$PATH:/usr/local/bin/python".

Para sh o ksh shell

PATH="$PATH:/usr/local/bin/python".

Configurar la ruta en Windows

Para configurar la ruta en Windows, podemos usar la ruta %path%;C:\Python en el símbolo del sistema y luego presione Entrar.

Ejecutando Python

Podemos iniciar Python usando cualquiera de las siguientes tres formas:

Intérprete interactivo

Se puede utilizar un sistema operativo como UNIX y DOS que proporciona un intérprete de línea de comandos o un shell para iniciar Python.

Podemos comenzar a codificar en un intérprete interactivo de la siguiente manera:

Step 1 - Entrar python en la línea de comando.

Step 2 - Entonces, podemos comenzar a codificar de inmediato en el intérprete interactivo.

$python # Unix/Linux
or
python% # Unix/Linux
or
C:> python # Windows/DOS

Script de la línea de comandos

Podemos ejecutar un script de Python en la línea de comandos invocando al intérprete. Se puede entender de la siguiente manera:

$python script.py # Unix/Linux
or
python% script.py # Unix/Linux
or
C: >python script.py # Windows/DOS

Entorno de desarrollo integrado

También podemos ejecutar Python desde el entorno GUI si el sistema tiene una aplicación GUI que admita Python. Algunos IDE que admiten Python en varias plataformas se dan a continuación:

IDE for UNIX - UNIX, para Python, tiene IDE IDE.

IDE for Windows - Windows tiene PythonWin IDE que también tiene GUI.

IDE for Macintosh - Macintosh tiene IDLE IDE que se puede descargar como archivos MacBinary o BinHex del sitio web principal.