Scraping by examples

by examples
Scraping
Alexandre Gomes
Friday, May 20, 2011

http://creativecommons.org/licenses/by-nc/3.0/br/

Primeiros resultados definitivos do Censo 2010:
população do Brasil é de 190.755.799 pessoas
O Brasil tem 190.755.799 habitantes. É o que
constata a Sinopse do Censo Demográfico 2010, que
contém os primeiros resultados definitivos do XII
Recenseamento Geral do Brasil... 29/04/2011

http://www.ibge.gov.br

Resumo do Censo 2010


Qual a relação entre os índices de
alfabetização e a proporção feminina?


Exemplo
mulheres da região 7.859.539
= = 0.49
total de pessoas da região 7.859.539 + 8.004.915

alfabetizados* da região 11.326.492
= = 0.89
total de pessoas* da região 12.670.041

* acima de 10 anos de idade

E nas
demais
regiões?

Scraping by
Examples

Nokogiri


#1 Acessar a página que
contém o dado
desejado


teste


teste

codigo


$ rspec spec/ibge_censo2010_spec.rb:8
Run ﬁltered using {:line_number=>8}

IBGECenso2010
should open page with "Razão de sexo,
população de homens e mulheres"

Finished in 44.4 seconds
1 example, 0 failures
$


#2 Recuperar o
dado desejado


Antes, entenda a
estrutura da página


<table>
<thead>...</thead>
<tfoot>
<tr>
<td>...</td>
<td>...</td>
<td>...</td>
<td>...</td>
<td>...</td>
</tr>
</tfoot> Estude o caminho
<tbody>...</tbody> do dado na árvore
DOM
</table>

Observe IDs e
classes CSS que
podem ser úteis.


class="td_numeros"


".td_numeros"

[


".td_numeros"

[ 0 1 2
3 4 5
6 7 8
9 10 11
12 13 14
15 16 17

1º dado de que
precisamos.
(numerador da fórmula)

[ 0 1 2
3 4 5
6 7 8
9 10 11
12 13 14
15 16 17

2º dado de que
precisamos.
(para o cálculo do
denominador da fórmula)

[ 0 1 2
3 4 5
6 7 8
9 10 11
12 13 14
15 16 17

mulheres da região N dados[5]
=
total de pessoas da região N dados[4] + dados[5]

[ 0 1 2
3 4 5
6 7 8
9 10 11
12 13 14
15 16 17

$ rspec spec

IBGECenso2010
razao de sexo
should open page with "Razão de sexo,
população de homens e mulheres"
should get number of women

Finished in 1.78 seconds
2 examples, 0 failures


#3 Recuperar o
restante de dados
desejados


#4 Apresentação
Web do scrapping


application.rb

(...)

application.rb
(...)


index.erb

(...)


http://datavisualization.ch/tools/13-javascript-libraries-for-visualizations

me do s
o c har na
ups e s tá
m ash ção
sualiza
vi
diferenciada
de dados

http://datavisualization.ch/tools/13-javascript-libraries-for-visualizations

#5 Visualização
(ainda tosca) do
scrapping


#6 Visualização
diferenciada da
informação


?

Agora, a
mesma
coisa,
apenas
com
Javascript

index.html


index.html

(...)

http://chart.apis.google.com/chart?
chxt=y&chbh=a&chs=500x300&cht=bvg&chco=A2C180,3D7930
&chd=t:49,51,51,50,50|89,82,94,95,93
&chdl=Women|Literates&chp=0.033

código disponível em...


http://tinyurl.com/AvaliacaoSOO14


Scraping by examples

More Related Content

Viewers also liked (6)

More from Alexandre Gomes (20)

Recently uploaded (20)

Scraping by examples