Extraer cualquier información de una página web

¿Te gustaría obtener todos los enlaces o imágenes que aparecen en una página web?

¿Cómo harías para copiar información dispersa en una misma página?

¿Te armarías de paciencia y comenzarías a copiar y pegar cada fragmento de texto que te interesa?

¿Cómo lo harías si tuvieses que copiar el atributo alt de todas las imágenes de una página?

¿Te pondrías a castigar la vista buscando dentro del código html y a copiar los trozos que te interesan procurando no equivocarte mucho y consciente de que es muy probable que se te pase algo?

¿Contratarías a alguien que te hiciese el trabajo duro?

En fin… el otro día necesitaba hacer algo parecido y, como suelo tender a automatizar las tareas “peñazo” me busqué una alternativa que me evitase convertirme en en mono especializado en el copia y pega

Pretty printer de XML en Gedit

A pesar de llevar años publicando artículos en el blog compartiendo con todos vosotros mis impresiones y preferencias, creo que aun no os he comentado que soy un enamorado de xml y tecnologías “aledañas”: xslt, xpath, schemas, …

Aunque JSON ha ido adquiriendo adeptos durante todo este tiempo (me cuento entre ellos), sigo utilizando ficheros xml cada vez que puedo por tratarse de un lenguaje lo suficientemente sencillo, potente y flexible como para modelar los datos de aplicaciones y procesos con los que suelo “jugar”.

En Linux sigo añorando un editor, tipo XmlSpy de Altova (wine no es una opción que contemple y/o aplauda), que me facilite el trabajo con este tipo de archivos (he evaluado varios y no han terminado de convencerme, ¿alguien me recomienda uno que se parezca a Xml Spy? ) por lo que siempre termino utilizando GEdit cuando, de crear o editar un xml se trata.

Necesitaba una modo rápido de formatear el contenido de un fichero xml y, tras comprobar que no existía ningún “xml prettyprinter” para GEdit he optado por creármelo yo mismo gracias a las herramientas externas del editor de textos. Aquí os cuento cómo hacerlo por si alguno lo necesita y/o quiere repasar cómo utilizar herramientas del sistema desde gedit (ya vimos cómo hacerlo, puedes consultarlo en el enlace).

Cómo evitar perderse en una página web

¿No te ha ocurrido alguna vez que al leer algún artículo en Internet has terminado completamente desorientado?

Aunque muchas páginas cuentan con un índice de contenidos (o TOC) que te ayudan a conocer la estructura de un artículo o contenido web, cuando te pones a leer (y especialmente si la longitud es considerable) puede ocurrir que no sepas si el texto que estás leyendo pertenece a un apartado u otro o, incluso, cómo se relaciona con el contenido del apartado anterior.

Por fortuna y, siempre que el editor de un artículo haya utilizado correctamente la jerarquía de los encabezados (o headers), es posible obtener su estructura pudiendo navegar (y orientarnos) libremente por el contenido de cualquier contenido de Internet.

Descubrir automáticamente los enlaces RSS de una web

¿Te has dado cuenta que Firefox ha perdido el botón RSS que aparecía automáticamente al visitar sitios que permitían dicha posibilidad?

¿Eres consciente que Google Chrome nunca lo ha tenido?

Aficionado como soy al plugin goo.gl shorten url (del que os hablé recientemente) y a su capacidad para evitarnos tener que estar buscando en cada web dónde han dejado los enlaces o botones para compartir el contenido, no podía dejar escapar la posibilidad de sindicarme automáticamente a aquellos blogs que me llaman la atención al visitarlos (por originalidad o interés de sus artículos)

En este artículo os cuento cómo activar el “feed autodiscovery” en dos de los navegadores más utilizados (lo siento Internet Explorer, últimamente te dan palos por todos lados )

Acelerar las descargas utilizando varias conexiones simultáneamente

Últimamente ando evaluando las distintas alternativas de descarga de contenidos de Internet (descarga directa, bittorrent, emule, …) con objeto de determinar con cuál de ellas consigo aprovechar de un modo más eficiente mi conexión ADSL.

Fruto de estos experimentos se me ha presentado la necesidad de contar con una herramienta o programa para Linux que permita las descargas multi-hilo; en la búsqueda por la Red de alguna herramienta que me permitiese descargar contenidos aprovechando al máximo mi velocidad de conexión recordé que uno de mis addons favoritos para Firefox me permitía hacerlo sin tener que instalar aplicaciones adicionales en mi sistema operativo (en la medida de lo posible, procuro hacer las tareas más habituales evitando tener que instalar aplicaciones, traumatizado como estoy, con aquellas situaciones en las que no tengo permisos de administración sobre los equipos que utilizo)

Obtener fácilmente enlaces descarga directa

¿Te has visto alguna vez copiando uno a uno los enlaces de alguna web de descarga directa por no contar con la opción de copiarlos fácilmente al portapapeles?

Cuando son pocos los enlaces tampoco se hacen tan pesado ir copiándolos individualmente y pegándolos en algún gestor de descargas como Tucan o jDownloader pero resulta inevitable quedarse con la sensación de estar haciendo, innecesariamente, trabajo de monos.

Por fortuna, el fantástico add-on de Firefox Downthemall nos permite automatizar el proceso.

Configurar diccionarios contextuales en Firefox

¿Dudas sobre la traducción correcta de alguna palabra del artículo que estás leyendo en Internet? ¿necesitas un sinónimo o antónimo en el “post” que estás redactando? ¿te gustaría conocer el significado exacto de algún término?

Hoy quiero compartir con vosotros una de esas pequeñas joyas que, a modo de complemento para el navegador Firefox, no puede faltar en ninguno de mis ordenadores. Para mi viene a ser el sustituto ideal a la herramienta de traducción Babylon que tan buenos resultados me daba cuando utilizaba Microsoft Windows (sí, yo también lo he usado… el que más y el que menos tiene un pasado oscuro )

Y, aunque existen muchas herramientas de traducción ésta presenta como principal ventaja el ser totalmente configurable por lo que sirve tanto como diccionario como herramienta de traducción.

GEdit avanzado: ejecutar scripts desde el editor

Para muchos de nosotros Gedit no es más que un editor de textos, reemplazo del clásico bloc de notas de Windows, en el que podemos modificar pequeños y simples (al carecer de formato) ficheros de texto como ficheros de configuración y/o propiedades.

Aunque mi entorno de desarrollo (IDE) suele ser Eclipse, de un tiempo a esta parte vengo utilizándolo muy a menudo para la creación y edición de scripts tanto en Bash como en Groovy (lenguaje que, por necesidades del cliente, me he visto “obligado” a aprender).

Cansado de la rutina de editar el fichero con GEdit (o vim si se terciaba), y tener abierta una terminal para probar lo que iba modificando me dio por investigar qué otras alternativas existen para ello descubriendo la potencia y flexibilidad del complemento Herramientas externas.

Entrar en sitios web sin alta de usuario

¿Cansado de tener que darte de alta en n-cientas web cada vez que quieres descargar algo que te interese?

De un tiempo a esta parte se ha puesto de moda tener que logarse para poder hacerlo (sobre todo en sitios de descarga directa) y, la verdad, resulta algo molesto cuando no tienes intención de volver a dicha web (salvo que en alguna búsqueda vuelva a aparecer )

Por fortuna y, aunque a los administradores del sitio les pueda molestar, existen formas de evitar este engorro.

Acelerar la apertura de la terminal de comandos

Si hay una cosa que odio es que la posibilidad de abrir la terminal rápidamente no venga incluida por defecto en la instalación básica de Ubuntu.

Reconozcámoslo: por muy sencillo y cómoda que pueda resultarnos la interfaz gráfica de nuestro sistema; más pronto que tarde terminamos abriendo una terminal

Y, como se trata de algo tan habitual, lo mejor es facilitarnos el acceso a la terminal todo lo posible ¿no os parece?