https://github.com/angelsc75/rasca_citas

Aplicación que hace web scraping en dos páginas web de citas célebres guardando varios datos de la cita, autor.. en una base de datos.
https://github.com/angelsc75/rasca_citas

beatifulsoup docker mongodb python streamlit

Last synced: 2 months ago
JSON representation

Aplicación que hace web scraping en dos páginas web de citas célebres guardando varios datos de la cita, autor.. en una base de datos.

• Host: GitHub
• URL: https://github.com/angelsc75/rasca_citas
• Owner: angelsc75
• Created: 2025-01-29T18:57:01.000Z (over 1 year ago)
• Default Branch: main
• Last Pushed: 2025-01-29T19:01:02.000Z (over 1 year ago)
• Last Synced: 2025-03-29T05:17:51.205Z (about 1 year ago)
• Topics: beatifulsoup, docker, mongodb, python, streamlit
• Language: Python
• Homepage:
• Size: 407 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

          

  


   

   

 El rasca citas (célebres) 


## Descripción del proyecto 

El rasca citas es un proyecto donde se "rascan" citas célebres de -en principio y a modo de muestra- dos sitios web.

Responde a la necesidad de la empresa XYZ Corp, que está pensando en utilizar una frase que se identifique con sus

valores y su misión.

## Funcionalidades

Después de sacar citas de dos sitios web, éstas se almacenan en una base de datos. Una vez almacenadas, se pueden buscar desde un fronted de las siguientes formas: 

- por una etiqueta: se muestran todas las citas que están asociadas a esa etiqueta

- por más de una etiqueta: se muestran todas las citas asociadas a la combinación de etiquetas seleccionadas

- por el autor de la cita

- por una combinación de etiqueta y autor

## Cómo se arranca

Variables de entorno (parar arrancar desde github o construir el docker compose: :

![variables de entorno](https://github.com/user-attachments/assets/714ea241-b061-463c-9572-1aad07efaada)

Comando para construir imagen de docker y ejecutarla: 

![imagen](https://github.com/user-attachments/assets/53841f41-3e96-48f4-bed1-b1b11b4bf9c4)

Para que el proyecto funciones tiene que tener en ejecución la base de datos scraping_quotes. 

A través de Visual Studio Code, habría que ejecutar el comando *streamlit run main.py * desde la carpeta src

![arrancar_vsc](https://github.com/user-attachments/assets/42697028-7c09-443d-8cf8-3da76a9d5311)

Otra forma sería desde Docker arrancar el contenedor *web_scraping_angel_sc*

![arrancar_desde_docker](https://github.com/user-attachments/assets/47bbc0b1-3e4d-4296-b05f-b2db0560a75e)

En un futuro también se desplegará desde Streamlite Cloud.

## Teconologías utilizadas

- Lenguaje de programación Python

- Base de datos MongoDB

- Test unitarios: Pytest

- Creación de fronted para que interaccione un usuario: Streamlite

- Creación de imagen y de contenedores de aplicación y base de datos: Docker

- Organizaciónd del trabajo: Trello

- Control de versiones: GitHub

  

![python-logo-master-v3-TM-flattened](https://github.com/user-attachments/assets/2e93137f-033a-4c03-bc18-22f829dd3a94)

![MongoDB_SpringGreen](https://github.com/user-attachments/assets/1ac19f43-c938-4577-9865-6eb8e6b2242c)

![pytest1](https://github.com/user-attachments/assets/1bdb7549-1d74-4e0c-b759-26c2b16e9576)

![streamlit-logo-primary-colormark-darktext](https://github.com/user-attachments/assets/1e0b7995-c482-4b7b-ad9e-77f15e8ac715)

![docker-mark-blue](https://github.com/user-attachments/assets/1fe34e27-5aa8-4c81-8f50-1428b7f9c599)

![trello_logo_icon_168452](https://github.com/user-attachments/assets/294b00bc-7503-46ca-a337-b1e296862a38)

![github](https://github.com/user-attachments/assets/1faaf580-7970-4d71-b306-1840cfa175a7)

## Posibles mejoras

- Despliegue en la web

- Rascado en más páginas de citas

- Mejora de búsqueda por etiqueta: que una etiqueta indique con qué otras etiquetas está relacionada al ser seleccionada...

## Autor del proyecto

Ángel Sanz Crespo