Proyecto. Text Mining con Excel (IV)

26 May

En la anterior entrega del seguimiento de mi proyecto de minería de textos con Excel creé un proceso que leía búsquedas de Google y las almacenaba en un fichero excel que denominaba base. El problema que me encontré es que generaba un excel con una gran cantidad de hojas y posteriormente tenía que leerlas y extraer la información de cada una. Esta metodología no me parece eficiente, es mejor leer una búsqueda, extraer la información relevante de ella e introducirla en mi tablón de datos.

Para extraer la información relevante de cada búsqueda he de conocer muy bien como se almacena cada página web de Google en Excel. En un primer vistazo obtengo esto:

pyt_3_entradas.JPG

Parece que todas las entradas relevantes aparecen en la columna A, tienen 3 filas con datos y están separadas por dos filas. Todas las entradas que considero relevantes (no tabulo los enlaces patrocinados)  finalizan con las palabras “Anotar esto”:

Los pasos a seguir en mi proceso serían:

1. Abrir la búsqueda correspondiente
2. Buscar la primera entrada relevante en la columna A
3. Copiar las celdas con información
4. Trasponer y pegar las celdas copiadas para crear una tabla de datos

Para abrir las búsquedas ya creamos en su momento macros  con Excel que las abrían. Buscar la primera entrada relevante requiere que diseñemos un nuevo proceso, con ayuda del asistente creamos la macro busca1 que nos identifica la fila con el primer registro que consideramos relevante:

Sub busca1()
'
'
  Range("A1").Select
  Columns("A:A").Select
'Buscamos la primera fila que contiene la frase que me indica
'el final del registro relevante
  fila = Selection.Find(What:=" - Anotar esto", After:=ActiveCell, LookIn:= _
  xlFormulas, LookAt:=xlPart, SearchOrder:=xlByRows, SearchDirection:= _
  xlNext, MatchCase:=False, SearchFormat:=False).Row
End SubA partir de aquí tenemos que estudiar la estructura de la entrada:pyt_4_estructura.JPG

El primer registro a leer estará en la columna 1 fila fila que contiene el primer "Anotar esto" - 3. De las 6 filas que componen una entrada nos interesan 3: título, descripción y enlace. Estas filas las hemos de recorrer, copiar, transponer y pegar en nuestro tablón de datos. Es preciso mejorar la macro anterior para que, además de buscar, copie la primera entrada relevante y la pegue en la hoja Excel donde deseemos crear nuestro tablón de entrada:

Sub busca_copia()
'
'
  Range("A1").Select
  Columns("A:A").Select
'Buscamos la primera fila que contiene la frase que me indica
'el final del registro relevante
  fila = Selection.Find(What:=" - Anotar esto", After:=ActiveCell, LookIn:= _
  xlFormulas, LookAt:=xlPart, SearchOrder:=xlByRows, SearchDirection:= _
  xlNext, MatchCase:=False, SearchFormat:=False).Row
'Seleccionamos la primera entrada relevante
Range(Cells(fila - 3, 1), Cells(fila, 1)).Copy
'Nos vamos a otra hoja donde iremos creando el tablón de datos
Sheets("Hoja1").Select
Range("A2").Select
'Pegamos transponiendo
Selection.PasteSpecial Paste:=xlPasteValues, Operation:=xlNone, SkipBlanks _
  :=False, Transpose:=True

End Sub

Empezamos a tener datos tabulados en la hoja "Hoja1" como producto de la copia de los datos de la hoja search. Ahora tenemos que diseñar un proceso que realice todos estos pasos de forma automática hasta un número de entradas determinado. Así dispondremos de nuestro tablón de datos. Pero esto queda para una posterior entrega.

Por supuesto, como siempre, si falla algo o no tenéis claro algún paso rvaquerizo@analisisydecision.es

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *