Análisis Electoral: Scraping y Transcripción

Herramientas para descargar audio/video de publicaciones en redes sociales y transcribir el contenido usando IA.

Características

• 🎬 Descarga de audio/video desde Facebook, TikTok y YouTube
• 🎙️ Transcripción automática con Whisper
• 💬 Scraping de comentarios de posts públicos en Facebook
• 📊 Procesamiento batch de múltiples URLs

Requisitos

• Python 3.11+
• ffmpeg (Linux: sudo apt install ffmpeg)
• Paquetes Python:

  pip install -r requirements.txt

• Playwright (solo si usas scraper-fb.py):

  python -m playwright install chromium

Instalación rápida

# Clonar repositorio
git clone https://github.com/tu-usuario/analisis-electoral.git
cd analisis-electoral

# Crear entorno virtual
python3.11 -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

# Instalar dependencias
pip install -r requirements.txt

Uso

Transcripción de una sola URL

python transcriptor.py --url "https://www.youtube.com/watch?v=dQw4w9WgXcQ" --outdir datos-crudos

Batch de múltiples URLs

# Crear archivo urls.txt con una URL por línea
echo "https://www.youtube.com/watch?v=..." >> urls.txt
echo "https://www.tiktok.com/..." >> urls.txt

# Ejecutar
python runner.py --list urls.txt --outdir datos-crudos

Scraper de Facebook (posts públicos)

python scraper-fb.py --url "URL_DEL_POST_PUBLICO" --cookies facebook-cookies.json --headless

Configurar cookies de Facebook

1. Instala la extensión Cookie-Editor en Chrome/Chromium
2. Ve a facebook.com e inicia sesión
3. Abre Cookie-Editor → Selecciona el ícono de exportar (export)
4. Copia el JSON exportado
5. Crea facebook-cookies.json en la raíz del proyecto y pega el contenido

Ejemplo de estructura: Ver facebook-cookies.example.json

⚠️ IMPORTANTE: El archivo facebook-cookies.json está en .gitignore para proteger tus credenciales. Nunca lo subas a GitHub.

Scraping de comentarios de Facebook

python scraper-fb-comments.py --url "URL_DEL_POST_PUBLICO" --cookies facebook-cookies.json --outdir datos-crudos --max-clicks 30

Consideraciones importantes

Privacidad y Cumplimiento Legal

• ⚠️ Usa solo contenido público y con propósitos de investigación
• 📋 Respeta GDPR, CCPA y leyes de protección de datos locales
• 🔒 Anonimiza datos personales antes de compartir resultados
• 📖 Revisar políticas de cada plataforma (Facebook, TikTok, YouTube)

Consejos técnicos

• Muchas URLs requieren sesión/cookies. Si falla descarga: usa navegador con sesión activa
• Agrega pausas entre solicitudes para no saturar servidores
• Usa user-agents realistas y respeta robots.txt

Carpeta de salida

• Los archivos de transcripción se guardan en datos-crudos/ con nombre transcripcion_YYYYMMDD-HHMMSS.txt.