Web Scraping en Python: Análisis de Precios en Carulla y Publicaciones en Facebook

Este repositorio contiene dos ejercicios de Web Scraping realizados con Python en Jupyter Notebook. Se utilizaron diversas librerías y técnicas para la extracción, limpieza y análisis de datos obtenidos de páginas web.

📂 Contenido del Repositorio

El repositorio está organizado en las siguientes carpetas:

• Pregunta1/ → Contiene el análisis de precios de pollo y pescado en Carulla.
  • pregunta1.ipynb → Notebook con el código y análisis.
  • html/ → Carpeta con 3 archivos HTML descargados correspondientes a los precios en 3 días distintos.
• Pregunta2/ → Contiene el análisis de interacciones en publicaciones de Facebook.
  • pregunta2.ipynb → Notebook con el código y análisis.
  • txt/ → Carpeta con 11 archivos de texto.
    • 10 archivos con información extraída de publicaciones.
    • 1 archivo con URLs de las publicaciones analizadas.

🚀 Ejercicio 1: Scraping de Precios en Carulla

📌 Objetivo

Realizar Web Scraping sobre la página de Carulla para extraer precios de pollo y pescado durante 3 días diferentes y comparar sus variaciones.

📌 URL analizada: Carulla - Pollo, Carnes y Pescado

🛠️ Herramientas y Librerías Utilizadas

• requests → Para realizar solicitudes HTTP y descargar el HTML.
• BeautifulSoup → Para parsear y extraer información de la estructura HTML.
• pandas → Para organizar, limpiar y comparar los datos obtenidos.
• matplotlib → Para visualizar la evolución de los precios.

📖 Proceso de Extracción y Análisis

1. Descarga de los datos: Se hizo scraping de la página y se guardaron 3 archivos HTML en la carpeta html/.
2. Extracción de la información: Se usó BeautifulSoup para encontrar los nombres y precios de los productos.
3. Organización de los datos: Los datos se guardaron en un diccionario con el formato {producto: [precio_dia1, precio_dia2, precio_dia3]}.
4. Comparación de precios: Se generaron gráficos y tablas para observar variaciones de precios en los días analizados.

📊 Resultados esperados:

• Identificar si hay fluctuaciones de precios en pollo y pescado en diferentes días.
• Determinar si hay productos con cambios significativos de precio.

---

🚀 Ejercicio 2: Scraping de Publicaciones en Facebook

📌 Objetivo

Realizar Web Scraping sobre una página o grupo público de Facebook, analizando 10 publicaciones con más de 100 reacciones.

📌 Preguntas analizadas:

1. ¿Qué seguidores comentaron en más publicaciones?
2. ¿Cuál es la hora promedio en la que los seguidores reaccionaron más?
3. ¿Qué tipo de publicación (según metadatos) genera más likes?

🛠️ Herramientas y Librerías Utilizadas

• facebook-scraper → Para extraer información de publicaciones.
• pandas → Para organizar y analizar los datos.
• matplotlib → Para visualizar patrones en reacciones y horarios.

📖 Proceso de Extracción y Análisis

1. Extracción de publicaciones: Se recolectaron publicaciones con más de 100 reacciones.
2. Identificación de seguidores activos: Se contó cuántas veces comentaron ciertos usuarios.
3. Análisis de horarios: Se revisó la hora de las interacciones para encontrar tendencias.
4. Clasificación de publicaciones: Se analizaron los metadatos de las publicaciones para determinar qué tipo genera más interacciones.

📊 Resultados esperados:

• Identificar a los seguidores más activos.
• Determinar las mejores horas para generar engagement.
• Conocer qué tipo de contenido es más popular en la plataforma.

---

💡 Importancia del Web Scraping en el Análisis de Datos

El Web Scraping es una herramienta poderosa que permite obtener información valiosa desde sitios web, lo que facilita la toma de decisiones basada en datos. Algunas aplicaciones clave incluyen:

• Monitorización de precios: Empresas pueden ajustar estrategias de pricing en función de la competencia.
• Análisis de tendencias: Determinar qué tipo de contenido genera más interacción en redes sociales.
• Investigación de mercado: Obtener datos en tiempo real sobre preferencias y comportamientos de los consumidores.

---

Si te gustó este análisis, ⭐ ¡Dale un star al repo! 🚀