Día 27 — Web scraping: extrayendo datos de internet

El web scraping consiste en extraer información automáticamente de páginas web. Python destaca en esta tarea gracias a la combinación de dos librerías: requests, que descarga el contenido HTML de cualquier página, y BeautifulSoup, que permite recorrer y extraer elementos concretos de ese HTML de forma sencilla.

Es importante mencionar que antes de hacer scraping a cualquier sitio web conviene revisar su archivo robots.txt y sus términos de servicio, ya que no todas las páginas permiten la extracción automatizada de su contenido.

Código de ejemplo:

import requests
from bs4 import BeautifulSoup

url = "https://ejemplo.com"
respuesta = requests.get(url)
soup = BeautifulSoup(respuesta.text, "html.parser")

titulos = soup.find_all("h2")
for titulo in titulos:
    print(titulo.text.strip())

# Instalación: pip install requests beautifulsoup4

Día 26 — Automatización real: combinando Pandas, JSON y fechas

Una de las aplicaciones más prácticas y demandadas de Python en el entorno profesional es la automatización de tareas administrativas repetitivas: generar informes, procesar facturas o consolidar datos de ventas. Este ejemplo combina varias herramientas vistas anteriormente en un caso de uso real y aplicable.

Automatizar este tipo de procesos no solo ahorra tiempo, sino que también elimina errores humanos derivados de la manipulación manual de datos en hojas de cálculo, especialmente cuando el volumen de información crece.

Código de ejemplo:

import pandas as pd
import json
from datetime import datetime

def analizar_ventas(archivo_csv):
    df = pd.read_csv(archivo_csv)
    return {
        "fecha": datetime.now().strftime("%d/%m/%Y"),
        "total": round(df["importe"].sum(), 2),
        "media": round(df["importe"].mean(), 2),
        "maximo": df["importe"].max()
    }

resultado = analizar_ventas("ventas.csv")
print(json.dumps(resultado, indent=2))

Día 25 — SQLite: bases de datos sin instalar nada

SQLite es un sistema de base de datos ligero que viene incluido en la librería estándar de Python, sin necesidad de instalar ni configurar ningún servidor adicional. Es ideal para aplicaciones pequeñas, prototipos rápidos o para aprender los fundamentos de SQL desde un entorno controlado.

El módulo sqlite3 permite crear tablas, insertar registros, realizar consultas y gestionar transacciones usando sentencias SQL estándar, lo que hace que el conocimiento adquirido sea directamente transferible a otros motores de base de datos como MySQL o PostgreSQL.

Código de ejemplo:

import sqlite3

conexion = sqlite3.connect("clientes.db")
cursor = conexion.cursor()

cursor.execute("""
    CREATE TABLE IF NOT EXISTS clientes (
        id INTEGER PRIMARY KEY,
        nombre TEXT,
        email TEXT
    )
""")

cursor.execute("INSERT INTO clientes VALUES (1, 'Ana', 'ana@mail.com')")
conexion.commit()

for fila in cursor.execute("SELECT * FROM clientes"):
    print(fila)

conexion.close()