jaimerodas · November 5, 2024 16:06 · motherofpancho · Mar 5, 2024 · Maxi-Ricardo · Oct 8, 2024
diff --git a/codigos b/codigos
 11
 220
 2202
 221
 2221
 2223
 2224
 2225
 2226
 2227
 2229
 223
 2241
 2242
 2243
 2244
 2245
 2246
 2252
 2254
 2255
 2257
 2261
 2262
 2264
 2265
 2266
 2267
 2268
 2271
 2272
 2273
 2274
 2281
 2283
 2284
 2285
 2286
 2291
 2292
 2296
 2297
 230
 2302
 2314
 2316
 2317
 2320
 2323
 2324
 2325
 2326
 2331
 2333
 2334
 2335
 2336
 2337
 2338
 2342
 2343
 2344
 2345
 2346
 2352
 2353
 2354
 2355
 2356
 2357
 2358
 236
 237
 2392
 2393
 2394
 2395
 2396
 2473
 2474
 2475
 2477
 2478
 249
 260
 261
 2622
 2624
 2625
 2626
 263
 264
 2646
 2647
 2648
 2651
 2655
 2656
 2657
 2658
 266
 280
 2901
 2902
 2903
 291
 2920
 2921
 2922
 2923
 2924
 2925
 2926
 2927
 2928
 2929
 2931
 2932
 2933
 2934
 2935
 2936
 294
 2940
 2942
 2945
 2946
 2948
 2952
 2953
 2954
 2962
 2963
 2964
 2966
 297
 2972
 298
 2982
 2983
 299
 3327
 3329
 336
 3382
 3385
 3387
 3388
 3400
 3401
 3402
 3404
 3405
 3406
 3407
 3408
 3409
 341
 342
 343
 3435
 3436
 3437
 3438
 3442
 3444
 3445
 3446
 3447
 345
 3454
 3455
 3456
 3458
 3460
 3462
 3463
 3464
 3465
 3466
 3467
 3468
 3469
 3471
 3472
 3476
 348
 3482
 3483
 3487
 3489
 3491
 3492
 3493
 3496
 3497
 3498
 351
 3521
 3522
 3524
 3525
 353
 3532
 3533
 3537
 3541
 3542
 3543
 3544
 3546
 3547
 3548
 3549
 3562
 3563
 3564
 3571
 3572
 3573
 3574
 3575
 3576
 358
 3582
 3583
 3584
 3585
 362
 364
 370
 3711
 3715
 3716
 3718
 3721
 3725
 3731
 3734
 3735
 3741
 3743
 3751
 3754
 3755
 3756
 3757
 3758
 376
 3772
 3773
 3774
 3775
 3777
 3781
 3782
 3786
 379
 380
 381
 3821
 3825
 3826
 3827
 383
 3832
 3835
 3837
 3838
 3841
 3843
 3844
 3845
 3846
 385
 3854
 3855
 3856
 3857
 3858
 3861
 3862
 3863
 3865
 3867
 3868
 3869
 387
 3873
 3876
 3877
 3878
 388
 3885
 3886
 3887
 3888
 3891
 3892
 3894
diff --git a/csv_cleaner.sh b/csv_cleaner.sh
 cat result.csv | cut -d, -f1 | uniq
diff --git a/datos.csv b/datos.csv
diff --git a/scraper.rb b/scraper.rb
 #! /usr/bin/env ruby

 # Este programita va al sitio del
 # Ente Nacional de Comunicaciones
 # de argentina y guarda en un CSV todos
 # los códigos de area telefónicos.

 require "csv"

 codes = [ ["código", "localidad", "provincia"] ]
 page = 1

 def remove_html_tags(str)
  str.strip
   .gsub(/\s*\<tr\>\n/, '')
   .gsub(/\t+\<td style=\"width:[2|4]0\%\"\>/, '')
     .gsub('</td>', '')
 end

 def get_codes_on_page(page)
  command = "curl https://www.enacom.gob.ar/areaslocales/busqueda/#{page}"
  content = `#{command}`.encode('UTF-8', 'binary', invalid: :replace, undef: :replace, replace: '')
  return false if content.include? "Sin resultados encontrados"

  content.split("</tr>\n		    <tr class=\"trpaginado\">")
  .first.strip.split("            </tr>\n")
  .map {|row| remove_html_tags(row).split("\n") }
 end

 loop do
  codes = codes + (get_codes_on_page(page) || break)
  page += 1
 end

 CSV.open('result.csv', 'wb') do |csv|
  codes.each {|code| csv << code }
 end

 puts "Hubo #{codes.length} resultados en #{page} páginas"
	11
	220
	2202
	221
	2221
	2223
	2224
	2225
	2226
	2227
	2229
	223
	2241
	2242
	2243
	2244
	2245
	2246
	2252
	2254
	2255
	2257
	2261
	2262
	2264
	2265
	2266
	2267
	2268
	2271
	2272
	2273
	2274
	2281
	2283
	2284
	2285
	2286
	2291
	2292
	2296
	2297
	230
	2302
	2314
	2316
	2317
	2320
	2323
	2324
	2325
	2326
	2331
	2333
	2334
	2335
	2336
	2337
	2338
	2342
	2343
	2344
	2345
	2346
	2352
	2353
	2354
	2355
	2356
	2357
	2358
	236
	237
	2392
	2393
	2394
	2395
	2396
	2473
	2474
	2475
	2477
	2478
	249
	260
	261
	2622
	2624
	2625
	2626
	263
	264
	2646
	2647
	2648
	2651
	2655
	2656
	2657
	2658
	266
	280
	2901
	2902
	2903
	291
	2920
	2921
	2922
	2923
	2924
	2925
	2926
	2927
	2928
	2929
	2931
	2932
	2933
	2934
	2935
	2936
	294
	2940
	2942
	2945
	2946
	2948
	2952
	2953
	2954
	2962
	2963
	2964
	2966
	297
	2972
	298
	2982
	2983
	299
	3327
	3329
	336
	3382
	3385
	3387
	3388
	3400
	3401
	3402
	3404
	3405
	3406
	3407
	3408
	3409
	341
	342
	343
	3435
	3436
	3437
	3438
	3442
	3444
	3445
	3446
	3447
	345
	3454
	3455
	3456
	3458
	3460
	3462
	3463
	3464
	3465
	3466
	3467
	3468
	3469
	3471
	3472
	3476
	348
	3482
	3483
	3487
	3489
	3491
	3492
	3493
	3496
	3497
	3498
	351
	3521
	3522
	3524
	3525
	353
	3532
	3533
	3537
	3541
	3542
	3543
	3544
	3546
	3547
	3548
	3549
	3562
	3563
	3564
	3571
	3572
	3573
	3574
	3575
	3576
	358
	3582
	3583
	3584
	3585
	362
	364
	370
	3711
	3715
	3716
	3718
	3721
	3725
	3731
	3734
	3735
	3741
	3743
	3751
	3754
	3755
	3756
	3757
	3758
	376
	3772
	3773
	3774
	3775
	3777
	3781
	3782
	3786
	379
	380
	381
	3821
	3825
	3826
	3827
	383
	3832
	3835
	3837
	3838
	3841
	3843
	3844
	3845
	3846
	385
	3854
	3855
	3856
	3857
	3858
	3861
	3862
	3863
	3865
	3867
	3868
	3869
	387
	3873
	3876
	3877
	3878
	388
	3885
	3886
	3887
	3888
	3891
	3892
	3894
	#! /usr/bin/env ruby

	# Este programita va al sitio del
	# Ente Nacional de Comunicaciones
	# de argentina y guarda en un CSV todos
	# los códigos de area telefónicos.

	require "csv"

	codes = [ ["código", "localidad", "provincia"] ]
	page = 1

	def remove_html_tags(str)
	str.strip
	.gsub(/\s*\<tr\>\n/, '')
	.gsub(/\t+\<td style=\"width:[2\|4]0\%\"\>/, '')
	.gsub('</td>', '')
	end

	def get_codes_on_page(page)
	command = "curl https://www.enacom.gob.ar/areaslocales/busqueda/#{page}"
	content = `#{command}`.encode('UTF-8', 'binary', invalid: :replace, undef: :replace, replace: '')
	return false if content.include? "Sin resultados encontrados"

	content.split("</tr>\n <tr class=\"trpaginado\">")
	.first.strip.split(" </tr>\n")
	.map {\|row\| remove_html_tags(row).split("\n") }
	end

	loop do
	codes = codes + (get_codes_on_page(page) \|\| break)
	page += 1
	end

	CSV.open('result.csv', 'wb') do \|csv\|
	codes.each {\|code\| csv << code }
	end

	puts "Hubo #{codes.length} resultados en #{page} páginas"