100 Días de Código en Python — Día 47: Rastreador automático de precios

🎯 Objetivo de aprendizaje#

Extraer un precio de una página y convertirlo en un número de punto flotante (float).

📖 Explicación conceptual#

"Los sitios en vivo cambian muchísimo", advierte el curso. Por eso primero se trabaja con un clon estático de la página de Amazon: appbrewery.github.io/instant_pot/.

Del texto al número: lo que obtiene Beautiful Soup siempre es texto (str). Para comparar con un precio objetivo hay que convertirlo en float, quitando antes todo lo que no sea número (el símbolo $, espacios, etc.). La pista del curso es el método split().

Datos verificados del sitio de práctica (26/09/2026):

• El precio completo aparece en un elemento con clase a-offscreen: texto "$99.99".
• También está partido en dos: a-price-whole ("99.", con el punto incluido) y a-price-fraction ("99").
• El título del producto está en el elemento con id="productTitle", rodeado de muchos espacios y saltos de línea.

🔎 Ejemplo explicado#

price_text = "$99.99"                  # lo que devolvió getText()
partes = price_text.split("$")         # ['', '99.99']
price = float(partes[1])               # 99.99
print(price, type(price))              # 99.99 <class 'float'>

• split("$") corta el texto donde aparece $. Como $ está al principio, el primer elemento queda vacío.
• float(...) convierte "99.99" en el número 99.99. Si el texto tuviera letras o símbolos, lanzaría ValueError.

Para limpiar el título:

title = " ".join(soup.find(id="productTitle").getText().split())

split() sin argumentos corta por cualquier espacio en blanco (espacios, tabulaciones, saltos de línea) y descarta los vacíos; " ".join(...) vuelve a unir con un solo espacio.

⚠️ Errores frecuentes#

📝 Ejercicio original del curso: paso 1#

Con Beautiful Soup, obtener el precio del artículo del sitio de práctica como float e imprimirlo. (Pista: split().)

🔍 Antes de programar#

• ¿Qué tipo de dato devuelve getText()? ¿Qué tipo necesitas para comparar con 100?
• ¿Qué caracteres sobran en el texto del precio?
• ¿En qué elemento está el precio completo? ¿Y si solo encontraras las partes?

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: extrae también el título limpio y la calificación del producto (búscala en DevTools).
• 🟡 Reto 2: escribe una función texto_a_precio(texto) que funcione con "$99.99", "$1,299.99" y "US$ 5". Pruébala con los tres casos.
• 🟠 Reto 3: amplía la función para precios en pesos colombianos ("$ 1.299.900", "$89.900"). ¿Cómo sabe la función si el punto es decimal o separador de miles? Decide una regla y documéntala.
• 🔴 Reto 4 — Pensamiento computacional: el sitio podría mostrar un precio tachado (el anterior) y el precio actual. Diseña cómo distinguirías cuál es cuál sin depender solo del orden en la página.

🎯 Objetivo de aprendizaje#

Enviar un correo solo cuando se cumple una condición, sin escribir contraseñas en el código.

📖 Explicación conceptual#

La condición: si el precio es menor que el objetivo (100 dólares), enviar un correo con el título, el precio actual y el enlace del producto. En el sitio de práctica el precio es fijo ($99.99), así que para probar el envío el objetivo debe ser 100 o más.

Datos sensibles fuera del código (repaso de los Días 35 y 38):

# .env
SMTP_ADDRESS="smtp.gmail.com"
EMAIL_ADDRESS="tu_correo@ejemplo.com"
EMAIL_PASSWORD="contraseña_de_aplicación"

import os
from dotenv import load_dotenv

load_dotenv()                                   # lee el archivo .env
smtp_address = os.environ["SMTP_ADDRESS"]

Si aparece SMTPServerDisconnected, el curso recomienda:

1. Revisar la dirección SMTP del proveedor (Gmail: smtp.gmail.com; Yahoo: smtp.mail.yahoo.com).
2. Activar la verificación en dos pasos en la cuenta.
3. Crear una contraseña de aplicación y usarla en lugar de la contraseña normal.
4. Indicar el puerto: smtplib.SMTP("smtp.gmail.com", port=587).

🔎 Ejemplo explicado: el correo con tildes#

El título del producto del sitio de práctica contiene la palabra "Sauté". Esto importa:

# Estilo del Día 32, con sendmail y un texto:
connection.sendmail(from_addr=..., to_addrs=..., msg=f"Subject:Alerta\n\n{message}")
# -> UnicodeEncodeError: 'ascii' codec can't encode character '\xe9'  (verificado)

# Solución 1: convertir el mensaje a bytes UTF-8
connection.sendmail(from_addr=..., to_addrs=..., msg=f"Subject:Alerta\n\n{message}".encode("utf-8"))

# Solución 2 (recomendada): EmailMessage declara la codificación
from email.message import EmailMessage
msg = EmailMessage()
msg["Subject"] = "Alerta de precio"
msg["From"] = email_address
msg["To"] = email_address
msg.set_content(f"{title} ahora cuesta ${price}\n{URL}")
connection.send_message(msg)

Con EmailMessage el correo lleva la cabecera charset="utf-8" y las tildes llegan bien (verificado con un servidor local).

🏫 Para el aula: un servidor de correo local#

Para probar sin cuentas reales ni contraseñas, usa el servidor de prueba aiosmtpd (el mismo recurso del Día 40):

pip install aiosmtpd
python -m aiosmtpd -n -l localhost:8025

Ese servidor no envía nada a Internet: muestra en la terminal cada correo que recibe. En tu programa, conéctate con smtplib.SMTP("localhost", 8025) y sin starttls() ni login().

⚠️ Errores frecuentes#

📝 Ejercicio original del curso: paso 2#

1. Si el precio es menor que el objetivo, enviar un correo con título, precio y enlace (Solution 2).
2. Crear un .env con SMTP_ADDRESS, EMAIL_ADDRESS y EMAIL_PASSWORD, y leerlo con os y dotenv (Solution 3).

🔍 Antes de programar#

• ¿Qué información debe llevar el correo para que sea útil sin abrir el programa?
• ¿Qué datos son sensibles y deben ir en .env? ¿La URL del producto lo es?
• ¿Cómo pruebas el envío si el precio real nunca baja?

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: envía la alerta al servidor local y toma una captura de la terminal donde se ve el correo.
• 🟡 Reto 2: incluye en el correo cuánto se ahorra respecto al precio objetivo y en qué porcentaje.
• 🟠 Reto 3: guarda en estado.json el último precio y si ya se envió la alerta, para avisar una sola vez cada vez que el precio cruce el objetivo.
• 🔴 Reto 4 — Pensamiento computacional: en lugar de un precio objetivo fijo, alerta cuando el precio sea el más bajo de los últimos 30 días. ¿Qué datos debes guardar? ¿Qué haces los primeros días, cuando todavía no tienes 30 registros?

🎯 Objetivo de aprendizaje#

Explicar qué son los encabezados HTTP, verlos en tu navegador y enviarlos con requests.

📖 Explicación conceptual#

Cuando tu navegador pide una página, además de la URL envía encabezados (headers): qué navegador usas, qué sistema operativo, qué idiomas prefieres… Con eso el servidor puede responder en tu idioma, tu moneda y tu región.

¿Por qué agregarlos? (según el curso)

1. El servidor puede darte la página en tu idioma y tu moneda.
2. La petición parece "un poco más humana": muchos servidores, como los de Amazon, bloquean lo que creen que viene de bots.

Lo que envía requests si no le dices nada (verificado):

print(requests.get("https://httpbin.org/headers").json()["headers"]["User-Agent"])
# python-requests/2.34.2

¡El servidor sabe que eres un programa de Python!

Cómo enviar encabezados:

header = {
    "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) ...",
    "Accept-Language": "es-CO,es;q=0.9",
}
response = requests.get(URL, headers=header)

Actividad del curso: visita myhttpheader.com (o httpbin.org/headers) con varios navegadores (Chrome, Firefox, Brave…) y compara lo que envía cada uno. Copia como mínimo el User-Agent y el Accept-Language a tu código (sin Host ni X-Amzn-Trace-Id).

📖 Reflexión ética (adaptación)#

Enviar un User-Agent de navegador es una práctica común, pero conviene ser honesto sobre su propósito: sirve para recibir la versión correcta de la página, no para burlar un bloqueo que el sitio puso a propósito. Si un sitio responde con un CAPTCHA, te está diciendo que no quiere bots: la respuesta ética es buscar una API o dejar de hacer peticiones, no intentar "engañarlo". Algunos desarrolladores prefieren un User-Agent que se identifique, por ejemplo "ProyectoEscolar/1.0 (contacto@colegio.edu.co)", para que el dueño del sitio sepa quién hace las peticiones.

⚠️ Errores frecuentes#

Retos adicionales (creados para esta adaptación)#

• 🟢 Reto 1: imprime todos los encabezados que envía requests por defecto (con httpbin.org/headers) y luego los que envía con tu diccionario. Compara.
• 🟡 Reto 2: pide httpbin.org/headers con Accept-Language en español y luego en japonés (ja). ¿Cambia algo en la respuesta de httpbin? ¿Por qué en ese sitio no cambia y en una tienda sí podría cambiar?
• 🟠 Reto 3: investiga qué significa q=0.9 en Accept-Language y escribe el encabezado de alguien que prefiere español de Colombia, luego español en general y por último inglés.
• 🔴 Reto 4: escribe una función pedir_pagina(url) que agregue siempre tus encabezados, espere un tiempo mínimo entre peticiones al mismo dominio y devuelva None (con un mensaje) si la respuesta no es 200. Úsala en todos tus scrapers de ahora en adelante.

📝 Contenido original del curso#

1. Elegir un producto de Amazon (o usar el de la profesora) y copiar su URL.
2. Inspeccionar el precio y el título: puede que soup.find() necesite otros selectores que en el sitio de práctica.
3. Cambiar la URL del sitio de práctica por la del producto real.
4. Ejecutar e imprimir soup.prettify() para verificar que llegó la página del producto y no una página de CAPTCHA.

Si no funciona, el curso sugiere:

1. Usar la tienda de tu región (por ejemplo, amazon.co.uk en el Reino Unido).
2. Probar con pocos o con muchos encabezados.
3. Cambiar el analizador a "lxml" (instalando el paquete). Si aparece bs4.FeatureNotFound: Couldn't find a tree builder with the features you requested, falta instalar lxml o el nombre del analizador está mal escrito.

📖 Análisis para el aula (adaptación)#

Este paso enseña algo valioso: la diferencia entre un entorno de práctica y el mundo real. En el mundo real:

• el HTML cambia sin avisar;
• el sitio puede detectar el bot y responder con un CAPTCHA;
• los términos de uso del sitio pueden prohibir la extracción automática (es el caso de Amazon).

Por eso, antes de apuntar a un sitio real, pregúntate: ¿tiene API?, ¿qué dice su robots.txt?, ¿qué dicen sus términos de uso?, ¿cuántas peticiones haré? (Día 45, sección 4).

🛠️ Nota técnica: el mensaje de error que cita el curso dice html-parser (con guion). Ese nombre de analizador no existe: el correcto es "html.parser" (con punto). Un error de escritura en el nombre produce exactamente ese FeatureNotFound, aunque lxml no tenga nada que ver.

Actividad de análisis (en lugar de ejecutar contra Amazon)#

1. Abre en el navegador la página de un producto de Amazon y mira con DevTools dónde está el precio. ¿Coincide con las clases del sitio de práctica?
2. Abre https://www.amazon.com/robots.txt. ¿Qué rutas prohíbe?
3. Busca en las Condiciones de Uso de Amazon el apartado sobre robots y extracción de datos. Resume en dos líneas lo que dice.
4. Conclusión escrita: ¿harías este paso con un producto real? ¿Qué alternativa propones?

Problema#

Revisar a mano el precio de un producto todos los días es aburrido y fácil de olvidar.

Contexto#

Sirve para comprar útiles escolares, un computador para el colegio o el regalo de un familiar al mejor precio.

Objetivo#

Un programa que revise el precio del producto del sitio de práctica y envíe una alerta por correo cuando baje del objetivo.

Requisitos funcionales#

1. Descargar la página con encabezados.
2. Extraer título y precio (como float).
3. Comparar con un precio objetivo definido como constante.
4. Si el precio es menor, enviar un correo con título, precio y enlace.
5. Credenciales en .env.

Restricciones técnicas#

• Probar el correo con el servidor local.
• Funciones separadas: obtener_producto(url), debe_alertar(precio, objetivo), enviar_alerta(titulo, precio, url).
• EmailMessage o mensaje codificado en UTF-8.

Planificación#

1. Comprender. 2. Entradas: URL y precio objetivo. 3. Procesos: descargar → extraer → convertir → comparar → avisar. 4. Salidas: correo o mensaje "sin cambios". 5. Dividir en funciones. 6. Diseñar. 7. Implementar. 8. Probar. 9. Corregir. 10. Mejorar.

Construcción paso a paso#

• Versión 1: imprime el precio como float.
• Versión 2: imprime "¡Comprar!" o "Esperar" según el objetivo.
• Versión 3: envía la alerta al servidor local.
• Versión 4: mueve los datos sensibles a .env y agrega encabezados.
• Versión final: programa la ejecución diaria (por ejemplo, con las tareas programadas de PythonAnywhere, Día 35) y evita alertas repetidas.

Pruebas#

🧪 Prueba y depuración#

Encuentra los cuatro errores:

TARGET = "100"
response = requests.get(URL, header)
soup = BeautifulSoup(response.content, "html-parser")
price = soup.find(class_="a-offscreen").getText().split("$")[1]
if price < TARGET:
    enviar_alerta(price)

(Pista: tipos de datos, parámetros de requests, el nombre del analizador y una comparación entre textos que "funciona" pero da resultados absurdos: prueba "99.99" < "100" y "5" < "100" en la consola.)

⭐ Extensión del proyecto#

• Vigilar varios productos leídos de un archivo CSV (URL y precio objetivo).
• Guardar el historial de precios en un CSV y graficarlo (Días 72 y 73 del curso, o una gráfica sencilla con pandas).
• Enviar la alerta por Telegram o SMS (Días 35 y 36) en lugar de correo.

Situación#

El club de lectura tiene un presupuesto limitado y quiere comprar libros cuando estén por debajo de cierto precio. Para practicar, usarán la librería ficticia books.toscrape.com (Día 45).

Requisitos#

1. Un archivo deseos.csv con columnas url y precio_maximo (al menos 5 libros de la librería de práctica).
2. Para cada libro: extraer título, precio y disponibilidad (In stock).
3. Un solo correo (al servidor local) con todos los libros que están por debajo de su precio máximo y disponibles, ordenados de mayor a menor ahorro.
4. Si ninguno cumple, no enviar nada.
5. Esperar 1 segundo entre peticiones.

Decisiones que debes tomar (y justificar)#

• ¿Un correo por libro o uno con todos? (Piensa en quien lo recibe.)
• ¿Qué haces si una URL del CSV está mal escrita o devuelve 404?
• ¿Cómo representas el precio en libras (£) en el correo?

Casos de prueba#

• Un libro con precio máximo muy alto (siempre alerta) y otro muy bajo (nunca).
• Una URL inválida en el CSV: el programa debe continuar con las demás.

Etapa 3 (hoy): vigilar cambios y avisar#

1. Agrega a la página de tu grupo (bloque web) un elemento con un dato que cambia, por ejemplo <p id="cupos">Cupos disponibles: 12</p> en unete.html.
2. Escribe vigilante.py, que lea ese archivo con Beautiful Soup, extraiga el número de cupos y:
   • guarde el valor y la fecha en historial_cupos.csv;
   • envíe un correo al servidor local cuando los cupos bajen de 5 ("¡Quedan pocos cupos!") o lleguen a 0 ("Inscripciones cerradas"), una sola vez por cada cambio de estado.
3. Prueba editando el HTML a mano (12 → 4 → 0) y ejecutando el programa después de cada cambio.
4. Entregable: vigilante.py, el CSV del historial y la captura de los correos en el servidor local.

Conceptuales#

1. ¿Por qué el curso practica primero con un clon estático de Amazon?
2. ¿Qué son los encabezados HTTP? Da dos ejemplos y su función.
3. ¿Qué es una contraseña de aplicación y por qué se usa?
4. ¿Por qué "99.99" < "100" da False aunque 99.99 sea menor que 100?
5. ¿Qué diferencia hay entre usar un encabezado para recibir la página correcta y usarlo para burlar un bloqueo?

Análisis de código#

precios = ["$12.50", "$7.99", "$120.00"]
numeros = [float(p.split("$")[1]) for p in precios]
baratos = [n for n in numeros if n < 20]
print(min(numeros), baratos)

¿Qué imprime?

Predicción#

print(" ".join("\n   Instant   Pot  \n  Duo ".split()))
print("99.".split(".") )

Depuración#

load_dotenv
email = os.environ["EMAIL"]
with smtplib.SMTP(os.environ["SMTP_ADDRESS"]) as c:
    c.login(email, os.environ["PASSWORD"])

El programa falla con KeyError. Encuentra dos causas posibles y un tercer problema (pista: ¿dónde está starttls() y en qué puerto se conecta?).

Modificación#

Cambia el rastreador para que avise también cuando el precio suba más de un 10 % respecto a la última ejecución.

Creación#

Crea un programa que lea quotes.toscrape.com una vez al día y te envíe (al servidor local) la primera cita de la portada solo si es distinta a la del día anterior.