Web Scraping PRACT1

Dataset obtenido de realizar webscraping en el sitio web del periódico El Pais. El dataset consiste en dos campos incluidos en una misma columna, ambos en formato texto: Titular: título de la noticia Fecha: fecha en que dicha noticia fue publicada. El dataset se genera a partir de la extracción de titulares de varios días. En primer lugar, se recorre de forma iterativa el rango de fechas indicado en el código para la hemeroteca. Posteriormente, y una vez concluido con el rango de fechas pasadas, se llama nuevamente a la función que extrae los titulares, pero en la URL principal (la que no corresponde a la hemeroteca) y con la fecha actual del sistema cuando se ejecuta el web scraping.本数据集通过对西班牙《国家报（El Pais）》官网开展网络爬虫（web scraping）采集得到。 本数据集包含两个文本格式字段，二者均存储于同一列中，具体如下： - 标题字段（Titular）：对应新闻的标题 - 发布日期字段（Fecha）：该新闻的发布时间 本数据集通过多轮新闻标题采集流程生成：首先以迭代方式遍历代码中指定的报刊过刊数据库（hemeroteca）日期范围完成历史新闻标题采集；待该历史日期范围的采集任务结束后，再次调用标题提取函数，访问非报刊过刊数据库的官网主页面，并以本次网络爬虫运行时的系统当前日期为准，采集当日新闻标题。