Dataset books_data_springer

Descripción del proyecto

Proyecto colaborativo para extraer un dataset desde el portal Springer, usando técnicas de Web Scraping. El dataset corresponde a datos bibliográficos de los libros publicados en el portal desde el 2015 al 2021, en la disciplina de Ciencias de la Computación.

Componentes del grupo

Contribuciones	Firma
Investigación previa	Luis Arnaldo Torres González, Gabriel Patricio Bonilla Sanchez
Redacción de las respuestas	Luis Arnaldo Torres González, Gabriel Patricio Bonilla Sanchez
Desarrollo código	Luis Arnaldo Torres González, Gabriel Patricio Bonilla Sanchez

Descripción de ficheros

La estructura general del proyecto es la siguiente:

• src: Esta carpeta contiene 3 archivos, según las siguientes indicaciones:
  • owner.json: Respuesta JSON al momento de ejecutar el script owner.py
  • owner.py: Script que hace uso de la librería python-whois, lo que permite conocer el propietario de la página.
  • scraper.py: Script que contiene toda la lógica de extracción de los datos del portal de Springer.
• data: Contiene el dataset books_data_springer.csv
• docs: Contiene la documentación referente al proyecto.
• LICENSE: Archivo que contiene la declaración de la licencia usada para este proyecto. En este caso se ha usado la licencia MIT.
• README.md: Archivo que contiene una breve descripción del proyecto

Ejecución del script

Para ejecutar los scripts del proyecto es necesario instalar las siguientes librerías:

pip install requests
pip install beautifulsoup4
pip install python-whois

Información adicional

Para mayor información del proyecto visite la Wiki Oficial

Publicación del dataset

El DOI del dataset publicado en Zenodo es: