Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine

Detalhes bibliográficos
Autor(a) principal: Dos Santos, Marcio Carneiro
Data de Publicação: 2015
Tipo de documento: Artigo
Idioma: por
Título da fonte: Revista Observatório
Texto Completo: https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549
Resumo: We explore the possibility of automation of data collection from web pages, using the application of customized code built in Python programming language, with specific HTML syntax (Hypertext Markup Language) to locate and extract elements of interest as links, text and images. The automated data collection, also known as scraping is an increasingly common feature in journalism. From the access to the digital repository site www.web.archive.org, also known as WayBackMachine, we develop a proof of concept of an algorithm able to recover, list and offer basic tools of analysis of data collected from the various versions of newspaper portals in time series.
id UFT-7_c367b1fa7d96804340431ef4832a8806
oai_identifier_str oai:ojs.revista.uft.edu.br:article/1549
network_acronym_str UFT-7
network_name_str Revista Observatório
repository_id_str
spelling Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack MachineMétodos digitales y memória visitada por APIs:Herramienta de desarrollo para extraer datos de los portales periodísticos por la Wayback MachineMétodos digitais e a memória acessada por APIs: Desenvolvimento de ferramenta para extração de dados de portais jornalísticos a partir da WayBack MachineScrapingPythonDigital JournalismHTMLMemoryScrapingPythonDigital Journalism.HTMLMemoryRaspar datosPythonPeriodismo digitalHTMLMemoriaRaspar datos.PythonPeriodismo digital.HTMLMemoriaRaspagem de dadosPythonJornalismo DigitalHTMLMemóriaRaspagem de dadosPythonJornalismo DigitalHTMLMemóriaWe explore the possibility of automation of data collection from web pages, using the application of customized code built in Python programming language, with specific HTML syntax (Hypertext Markup Language) to locate and extract elements of interest as links, text and images. The automated data collection, also known as scraping is an increasingly common feature in journalism. From the access to the digital repository site www.web.archive.org, also known as WayBackMachine, we develop a proof of concept of an algorithm able to recover, list and offer basic tools of analysis of data collected from the various versions of newspaper portals in time series.Se explora la posibilidad de automatización de los sitios de recolección de datos, desde el código de aplicación construida en lenguaje de programación Python, utilizando la sintaxis específica de HTML (Hypertext Markup Language) para localizar y extraer elementos de interés, tales como enlaces, texto e imágenes. La colección de datos automatizada, también conocido como el raspado es una característica cada vez más común en el periodismo. Desde el acceso a la www.web.archive.org, sitio de repositorio digital, también conocida como WayBackMachine, desarrollamos una prueba de concepto de un algoritmo para recuperar, listar y ofrecer herramientas básicas de análisis de los datos recogidos de las diferentes versiones de portales de periódicos en el tiempo.Explora-se a possibilidade de automação da coleta de dados em sites, a partir da aplicação de código construído em linguagem de programação Python, utilizando a sintaxe específica do HTML (HiperText Markup Language) para localizar e extrair elementos de interesse como links, texto e imagens. A coleta automatizada de dados, também conhecida como raspagem (scraping) é um recurso cada vez mais comum no jornalismo. A partir do acesso ao repositório digital do site www.web.archive.org, também conhecido como WayBackMachine, desenvolvemos a prova de conceito de um algoritmo capaz de recuperar, listar e oferecer ferramentas básicas de análise sobre dados coletados a partir das diversas versões de portais jornalísticos ao longo do tempo.Universidade Federal do Tocantins - UFT2015-12-08info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionTextoapplication/pdfapplication/epub+zipapplication/octet-streamapplication/zipapplication/x-gzipapplication/ziphttps://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/154910.20873/uft.2447-4266.2015v1n2p23Observatory Journal; Vol. 1 No. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41Observatorio Magazine; Vol. 1 Núm. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41Observatoire Journal; Vol. 1 No. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41Revista Observatório ; v. 1 n. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-412447-426610.20873/uft.2447-4266.2015v1n2reponame:Revista Observatórioinstname:Universidade Federal do Tocantins (UFT)instacron:UFTporhttps://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/8496https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10684https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10685https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10686https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10687https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10688Século XX/XXICopyright (c) 2015 Revista Observatorioinfo:eu-repo/semantics/openAccessDos Santos, Marcio Carneiro2022-03-04T13:28:15Zoai:ojs.revista.uft.edu.br:article/1549Revistahttps://sistemas.uft.edu.br/periodicos/index.php/observatorio/oai2447-42662447-4266opendoar:2022-03-04T13:28:15Revista Observatório - Universidade Federal do Tocantins (UFT)false
dc.title.none.fl_str_mv Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
Métodos digitales y memória visitada por APIs:Herramienta de desarrollo para extraer datos de los portales periodísticos por la Wayback Machine
Métodos digitais e a memória acessada por APIs: Desenvolvimento de ferramenta para extração de dados de portais jornalísticos a partir da WayBack Machine
title Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
spellingShingle Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
Dos Santos, Marcio Carneiro
Scraping
Python
Digital Journalism
HTML
Memory
Scraping
Python
Digital Journalism.
HTML
Memory
Raspar datos
Python
Periodismo digital
HTML
Memoria
Raspar datos.
Python
Periodismo digital.
HTML
Memoria
Raspagem de dados
Python
Jornalismo Digital
HTML
Memória
Raspagem de dados
Python
Jornalismo Digital
HTML
Memória
title_short Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
title_full Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
title_fullStr Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
title_full_unstemmed Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
title_sort Digital methods and the memory accessed by APIs: Development tool for extracting data from journalistic portais with the WayBack Machine
author Dos Santos, Marcio Carneiro
author_facet Dos Santos, Marcio Carneiro
author_role author
dc.contributor.author.fl_str_mv Dos Santos, Marcio Carneiro
dc.subject.por.fl_str_mv Scraping
Python
Digital Journalism
HTML
Memory
Scraping
Python
Digital Journalism.
HTML
Memory
Raspar datos
Python
Periodismo digital
HTML
Memoria
Raspar datos.
Python
Periodismo digital.
HTML
Memoria
Raspagem de dados
Python
Jornalismo Digital
HTML
Memória
Raspagem de dados
Python
Jornalismo Digital
HTML
Memória
topic Scraping
Python
Digital Journalism
HTML
Memory
Scraping
Python
Digital Journalism.
HTML
Memory
Raspar datos
Python
Periodismo digital
HTML
Memoria
Raspar datos.
Python
Periodismo digital.
HTML
Memoria
Raspagem de dados
Python
Jornalismo Digital
HTML
Memória
Raspagem de dados
Python
Jornalismo Digital
HTML
Memória
description We explore the possibility of automation of data collection from web pages, using the application of customized code built in Python programming language, with specific HTML syntax (Hypertext Markup Language) to locate and extract elements of interest as links, text and images. The automated data collection, also known as scraping is an increasingly common feature in journalism. From the access to the digital repository site www.web.archive.org, also known as WayBackMachine, we develop a proof of concept of an algorithm able to recover, list and offer basic tools of analysis of data collected from the various versions of newspaper portals in time series.
publishDate 2015
dc.date.none.fl_str_mv 2015-12-08
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Texto
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549
10.20873/uft.2447-4266.2015v1n2p23
url https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549
identifier_str_mv 10.20873/uft.2447-4266.2015v1n2p23
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/8496
https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10684
https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10685
https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10686
https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10687
https://sistemas.uft.edu.br/periodicos/index.php/observatorio/article/view/1549/10688
dc.rights.driver.fl_str_mv Copyright (c) 2015 Revista Observatorio
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2015 Revista Observatorio
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/epub+zip
application/octet-stream
application/zip
application/x-gzip
application/zip
dc.coverage.none.fl_str_mv Século XX/XXI
dc.publisher.none.fl_str_mv Universidade Federal do Tocantins - UFT
publisher.none.fl_str_mv Universidade Federal do Tocantins - UFT
dc.source.none.fl_str_mv Observatory Journal; Vol. 1 No. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41
Observatorio Magazine; Vol. 1 Núm. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41
Observatoire Journal; Vol. 1 No. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41
Revista Observatório ; v. 1 n. 2 (2015): Vol. 1 N. 2 (2015) Tema Livre / Free Theme / Tema Libre Maio-Agosto 2015; 23-41
2447-4266
10.20873/uft.2447-4266.2015v1n2
reponame:Revista Observatório
instname:Universidade Federal do Tocantins (UFT)
instacron:UFT
instname_str Universidade Federal do Tocantins (UFT)
instacron_str UFT
institution UFT
reponame_str Revista Observatório
collection Revista Observatório
repository.name.fl_str_mv Revista Observatório - Universidade Federal do Tocantins (UFT)
repository.mail.fl_str_mv
_version_ 1798313242781548544

Registros relacionados