Explore my side projects and work using this link

Upsidedown is a WordPress theme design that brings blog posts rising above inverted header and footer components.

Top Mercado Libre Repositorios GitHub (> 2024) (Inmuebles, Autos)

Written in

by

A menudo nos encontramos preguntándonos si alguien ha abordado alguna implementación específica con Mercado Libre. La buena noticia es que esta pregunta ya tiene respuesta: ahora podemos encontrar cualquier cosa que necesitemos. Te mostraré algunos que llaman la atención cuando uno se refiere a inmuebles o coches.

Estos repositorios están exentos de SDKs y están escritos en nuestro apreciado amigo 🐍. Sin más, ¡nos vemos al final del blog!

Inmuebles

Aquí tienes una lista de 4 repositorios de GitHub relacionados con inmuebles en Mercado Libre que podrían ser de tu interés. Todos estos repositorios utilizan la biblioteca requests de 🐍:

https://github.com/ivanbarcia/WishHouse/blob/98730b4b17b6b36fe9e4b6aea127eacea79ec2bb/mercadolibre_por_precio.py

Este script realiza web scraping para obtener datos de anuncios de bienes raíces en Mercado Libre Argentina. Comienza especificando un rango de precios para la búsqueda y luego extrae información como título, precio, ubicación e imagen de cada anuncio. Los datos recopilados se almacenan en un DataFrame de pandas y se guardan en un archivo CSV. Además, el script itera a través de múltiples páginas de resultados para recopilar más anuncios, deteniéndose cuando no hay más resultados o se alcanza un límite de páginas. Finalmente, se ejecuta la función principal run() para iniciar el proceso de extracción de datos.

https://github.com/isaac152/scraper_alquiler_argentina/blob/6d41ac4a0ea94f01787c87829843d1cfcc2b2f90/reto_scraping/spiders/mercadolibre.py

Este script implementa un spider de Scrapy para recolectar datos de anuncios de alquiler de departamentos en Mercado Libre Argentina. Comienza en una URL inicial que lista los departamentos en alquiler en la Ciudad Autónoma de Buenos Aires. Utiliza el método parse para extraer enlaces individuales de los anuncios y solicita detalles específicos de cada uno, como imágenes, precio, gastos, ubicación, dirección y características adicionales, a través del método parse_item. Además, está configurado para seguir los enlaces de “Siguiente” en las páginas de resultados para recopilar más anuncios. Los datos extraídos se estructuran en un diccionario y se devuelven como resultado del proceso de scraping.

https://github.com/VanesaGrajales/preciosviviendas/blob/b9769ffa0c1a4506e69b88ccc55ea71c702d5fb7/ML_Fincas.py

Este script combina el uso de Selenium y BeautifulSoup para realizar web scraping de anuncios de fincas en Mercado Libre Colombia. Inicia con la obtención de URLs de listados de fincas en la región de Antioquia, específicamente en Rionegro, utilizando Selenium para navegar por las páginas de resultados y extraer los enlaces individuales de los anuncios. Luego, con BeautifulSoup, extrae información detallada de cada anuncio como el tipo de vivienda, barrio, precio, área, número de habitaciones, baños, superficie total, área construida, antigüedad, piso, número de ambientes, características adicionales y descripción. Estos datos se almacenan en un archivo CSV llamado “scraping_fincas_ml.csv” para su posterior análisis. El script muestra un proceso iterativo para manejar múltiples páginas de resultados y anuncios, proporcionando una forma automatizada de recopilar datos de fincas en Mercado Libre.

https://github.com/Krakkev/konfio_prueba/blob/4051686ed07a3f8490a287c7b5499c7af65431f4/konfio/konfio_crawlers/spiders/mercadolibre.py

Este script utiliza Scrapy para extraer información de anuncios de bienes raíces en Mercado Libre México. Inicia buscando propiedades en venta y renta, luego divide los anuncios en rangos de precios predefinidos. Navega por las páginas de resultados, recopilando detalles como título, precio y descripción de cada anuncio. La información extraída se estructura en objetos y se almacena para su posterior análisis, automatizando así la recopilación de datos de bienes raíces en Mercado Libre.

Autos

https://github.com/bujosa/web-scraping/blob/8e8fd260d23c4b0c23992ac21d0817fc2cfbed91/MercadoLibreMX/main.py

Este código en Python utiliza web scraping para extraer datos de anuncios de vehículos en Mercado Libre México. Comienza obteniendo la lista de marcas y el número de resultados para cada una. Luego, itera sobre cada marca generando URLs para cada página de resultados, limitando el número de vehículos por marca. Extrae detalles como título, precio, año y kilometraje de cada vehículo y los almacena en una base de datos MongoDB. Además, se incluyen funciones para limpiar y validar los datos extraídos.

Este usuario tiene muchos mas scripts que te pueden resultar de interes!

https://github.com/frNNcs/MercadoLibre_suv_scraper/blob/f5f7e5e3a6df073f7d924d642f2a8ac77efec671/main.py

Este código es un “web scraper” que busca información sobre autos usados en Mercado Libre Argentina. Utiliza la biblioteca BeautifulSoup para analizar el HTML de la página y la biblioteca Requests para realizar solicitudes web. El programa extrae detalles como el título, precio, año, kilometraje y ubicación de cada auto, y luego los guarda en un archivo CSV. También calcula el precio en dólares usando un valor específico del dólar blue. Además, busca la latitud y longitud de la ubicación de “Coronel Brandsen” en Argentina. Finalmente, se ejecuta un bucle para recorrer las páginas de resultados y extraer la información de cada una, antes de guardarla en un archivo CSV llamado “items.csv”.

https://github.com/guilleijo/webir-search/blob/3f9f9f949a2d6aba033a285bb8825ec5101c6ba4/create_index.py

Este script en Python utiliza la API de Mercado Libre para recopilar datos sobre publicaciones de autos, los procesa y los indexa en un servidor Elasticsearch local. Verifica si existe un índice previo, lo elimina si es necesario, y luego realiza solicitudes a la API para obtener datos. Estos se estructuran en documentos JSON y se almacenan en Elasticsearch para su análisis posterior. Si hay errores en las solicitudes a la API, se manejan adecuadamente.

Gracias por tomarte el tiempo de leer este artículo. Espero que hayas encontrado la información útil y que te pueda servir para tus futuros proyectos. ¿Quieres estar al tanto de más repositorios como estos? ¡Sígueme para recibir regularmente todo lo que necesitas saber! No dudes en escribirme si tienes alguna pregunta o sugerencia de contenido. ¡Hasta pronto!

Tags

Leave a Reply

Your email address will not be published. Required fields are marked *