University of Valladolid (UVA) FAQS (español debajo)

Extracting and processing of the frequently asked questions (FAQs) from the International Relations page and the Doctoral School page of the University of Valladolid in Spanish and English.

The questions are stored in both CSV and JSON formats. Each file has the following 2 fields:

Question: contains the question.
Answer: contains the answer.

Uncommenting the commented lines of code, there is the possibility of adding:

Section: indicates the section to which the question belongs.

Execution

The main.py file fetches the HTML pages, extracts the question-answer pairs and stores them in the format specified in CSV and JSON. This repository already contains the HTML data, as well as the question-answer pairs extracted in CSV and JSON terms results of the execution of main.py.

If you want to run the main.py file to re-extract the question-answer pairs, install the requirements and run in console the command

python main.py

being located in the root directory of the repository.

Requirements

pandas~=1.0.3
bs4~=0.0.1
beautifulsoup4~=4.8.2

Preguntas frecuentes de la Universidad de Valladolid (UVA)

Obtención y procesamiento de las preguntas frecuentes (FAQs) de la página de Relaciones Internacionales y la paǵina de Escuela de Doctorado de la Universidad de Valladolid en Español e Inglés.

Las preguntas son almacenadas tanto en formato CSV como en formato JSON. Cada fichero posee los siguientes 2 campos:

Question: contiene la pregunta.
Answer: contiene la respuesta.

Descomentando las líneas de código comentadas, existe la posibilidad de añadir a mayores:

Section: indica la sección a la que pertenece la pregunta.

Ejecución

El fichero main.py descarga las paǵinas HTML, extrae los pares de preguntas y respuestas y los almacena en el formato descrito en ficheros CSV y JSON. Este repositorio ya contiene los ficheros HTML, así como los pares pregunta-respuesta extraidos en ficheros CSV y JSON resultantes de la ejecución de main.py.

Si desea ejecutar el fichero main.py para volver a extraer los pares pregunta-respuesta, instale las dependencias y ejecute en la consola el comando

python main.py

situándose en el directorio raíz del repositorio.

Dependencias