Problemas con extracción de datos de Web con expresión regul
Publicado: 2014-12-11 09:52 @453
Necesito ayuda para extraer información de esta web. NO creo que sea algo ilegal, ¿verdad?
Enlace: http://www.fundempresa.org.bo/directorio/index.php
Buscador Santa Cruz: http://www.fundempresa.org.bo/directori ... presas.php
Si se fijan todas tienen "ver más". Al pulsar ahí accedemos a la información, que tiene un formato único.
Lo que necesito es extraer cada campo. "sería más fácil obtener su base de datos" pero, lamentablemente, no quieren darme la información, SIENDO que es pública. Se puede extraer de forma manual pero son más de dos mil páginas.
Necesito extraer:
Esto es para llevarlo a una base de datos.
Espero poder contar con ayuda, por favor. Saludos.
Enlace: http://www.fundempresa.org.bo/directorio/index.php
Buscador Santa Cruz: http://www.fundempresa.org.bo/directori ... presas.php
Si se fijan todas tienen "ver más". Al pulsar ahí accedemos a la información, que tiene un formato único.
Lo que necesito es extraer cada campo. "sería más fácil obtener su base de datos" pero, lamentablemente, no quieren darme la información, SIENDO que es pública. Se puede extraer de forma manual pero son más de dos mil páginas.
Necesito extraer:
Using text Syntax Highlighting
Nombre de la empresa : " 49 PRODUCCIONES BOLIVIA S.R.L."
dato 1: CONTRATAR ARTISTAS EXTRANJEROS O NACIONALES PARA TODO TIPO DE ACTUACIONES, PRODUCIR EVENTOS CULTURALES, SOCIALES, ACADÉMICOS, CAMPAÑAS PARA EMPRESAS PÚBLICAS O PRIVADAS
dato 2: el teléfono
email : [email protected]
dato 1: CONTRATAR ARTISTAS EXTRANJEROS O NACIONALES PARA TODO TIPO DE ACTUACIONES, PRODUCIR EVENTOS CULTURALES, SOCIALES, ACADÉMICOS, CAMPAÑAS PARA EMPRESAS PÚBLICAS O PRIVADAS
dato 2: el teléfono
email : [email protected]
Coloreado en 0.000 segundos, usando GeSHi 1.0.8.4
Esto es para llevarlo a una base de datos.
Espero poder contar con ayuda, por favor. Saludos.
Using html4strict Syntax Highlighting
- <div class="right">
- <a href="javascript:history.go(-1);" target="_self" title="Listado de búsqueda" class="link4">Volver al listado de la búsqueda</a>
- </div>
- <div id="titleEmp">
- <h1>
- " 49 PRODUCCIONES BOLIVIA S.R.L." </h1>
- </div>
- <div class="empresaDescripcion">
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- 00112100 </div>
- <span class="color2">Matrícula de Comercio:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">" 49 PRODUCCIONES BOLIVIA S.R.L." </div>
- <span class="color2">Nombre de la empresa:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- CONTRATAR ARTISTAS EXTRANJEROS O NACIONALES PARA TODO TIPO DE ACTUACIONES, PRODUCIR EVENTOS CULTURALES, SOCIALES, ACADEMICOS CAMPAñAS PARA EMPRESAS PUBLICAS O PRIVADAS </div>
- <span class="color2">Actividad:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">
- SOCIEDAD DE RESPONSABILIDAD LIMITADA </div>
- <span class="color2">Tipo societario:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData"></div>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- 00124061027 </div>
- <span class="color2">Número de NIT:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">
- 222838 </div>
- <span class="color2">Licencia de Funcionamiento:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- Santa Cruz </div>
- <span class="color2">Departamento:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">Santa Cruz</div>
- <span class="color2">Municipio:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- Km 17 1/2 Doble Via La Guardia C/ Sardina N° 51 Edificio: Condominio Laguna Azul Zona: Doble Via La Guardia </div>
- <span class="color2">Dirección:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">
- 3412626 </div>
- <span class="color2">Teléfono:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- 3412626 </div>
- <span class="color2">Fax:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">
- [email protected] </div>
- <span class="color2">Correo electrónico:</span>
- <div class="clear">
- </div>
- </div>
- <br />
- <span class="bold2">Clasificación de la actividad:</span><br />
- <br />
- <div class="empresaDescripcion2">
- <div class="empresaData">
- ACTIVIDADES ARTÍSTICAS DE ENTRETENIMIENTO Y RECREATIVAS</div>
- <span class="color2">Actividad general:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2b">
- <div class="empresaData">
- 90-ACTIVIDADES CREATIVAS, ARTÍSTICAS Y DE ENTRETENIMIENTO</div>
- <span class="color2">Actividad primaria:</span>
- <div class="clear">
- </div>
- </div>
- <div class="empresaDescripcion2">
- <div class="empresaData">
- 9001-Producción de obras de teatro, conciertos, espectáculos musicales, danza y otras producciones escénicas</div>
- <span class="color2">Actividad específica:</span>
- <div class="clear">
- </div>
- </div>
- </div>
- <div class="clear">
- <br />
- </div>
- <div class="right">
- <a href="javascript:history.go(-1);" target="_self" title="Listado de búsqueda" class="link4">Volver al listado de la búsqueda</a>
- </div>
- </div>
- <div class="clear">
- </div>
- </div>
Coloreado en 0.006 segundos, usando GeSHi 1.0.8.4