API NEWS & BLOGS - Parámetro de filtrado
API NEWS & BLOGS - Parámetros de Filtrado
Los filtros son atributos asignados por TrawlingWeb a cada elemento durante su proceso de auditoría de fuentes y resultados. Estos filtros permiten especificar criterios detallados para obtener únicamente los datos que necesitas. Al aplicar estos filtros en tus consultas, puedes afinar los resultados para que se ajusten mejor a tus requisitos específicos. A continuación, se describen los filtros disponibles:
| Filtro | Descripción |
|---|---|
| site | Sitio web del que queremos o no queremos obtener datos. |
| domain | Dominio del que queremos o no queremos recuperar datos. |
| title | Palabras o expresiones que deben o no deben aparecer en los títulos de las publicaciones deseadas. |
| text | Palabras de deben aparecer o no deben aparecer en las publicaciones deseadas. |
| language | Idioma de las publicaciones que deseamos incluir o excluir en la recuperación. Ver códigos de idioma ISO 639-1 |
| site_language | Idioma del sitio web: en (inglés), es (español), fr (francés), ... |
| site_country | País del sitio web. Ver códigos de país según ISO-3166-2. |
| site_region | Región del sitio web: ISO-3166-2. |
| author | Autor de la publicación: joanfuster, angelgabilondo, etc |
| published | Fecha de publicación (en milisegundos). Conversor |
| crawled | Fecha de indexación (en milisegundos). Conversor |
| site_type | Tipo del sitio web: general, news, blog o discussion. |
La forma de assignar una expresion de filtro
q = "(_filtro1_: __valor1__) operador (_filtro2_ : valor2) operador ... (_filtroN_ : valorN)"
En esta expresión se ha añadido espacios entre los téminos con el fines de claridad pero hay que evitarlos durante la realización de cosultas.
Más información sobre las posibilidades de convinación y búsqueda
Para más información sobre operadores y sintaxis de Lucene, puede consultar la sección 07: Mejores Prácticas. También puede consultar el manual completo de sintaxis de Lucene aquí, siendo esta nuestra base de motor de búsqueda.
Escapar caracteres reservados
Si necesita utilizar cualquiera de los caracteres que funcionan como operadores de su propia consulta (y no como operadores), entonces usted debe escaparlos con una barra invertida inicial. Por ejemplo, para buscar url:https://www.linkedin.com , lo que se necesita para escribir su consulta como url:https :\ / \ / www.linkedin.com
Los caracteres reservados son: + - = && || > <! () {} [] ^ "~ *?: \ /
El no poder escapar de estos caracteres especiales correctamente podría dar lugar a un error de sintaxis que impide que la consulta se ejecute de forma correcta.
Ejemplos de filtros y booleanas dentro de q=
Como hemos explicado en la sección 03 COnusltas, las APIs de TrawlingWeb aceptan consultas booleanas combinadas con expresiones de la sintaxis de Lucene.
La q= permite el filtrado y optimización de la consulta para obtener los mejores resultados posibles. Dentro de q= puedes utilizar parámetros de filtrado (ver ), que son atributos asignados por TrawlingWeb a cada elemento, así como expresiones booleanas que son características de la información indexada.
Recuerda que en la sección 03 Consultas hay una lista más completa de expresiones booleanas que puedes combinar con los filtros dentro de q=. A continuación, algunos ejemplos de parámetros de filtrado.
| Ejemplo | Explicación |
|---|---|
(site: elpais.com OR site: lavanguardia.com) |
Recuperar solo publicaciones de los sitios web elpais.com o lavanguardia.com o de los dos. |
NOT (site:yahoo.com AND site:google.com) |
Recuperar publicaciones de todos los sitios web excepto de los sitios yahoo.com y google.com. |
((title:rajoy AND (text:España OR text:Morales)) NOT title:españoles) |
Recuperar solo publicaciones cuyo título incluya las palabras "rajoy" y (o "españa" o "morales") y excluya "españoles" . |
(language:es OR language:cat) |
Recuperar solo publicaciones cuyo idioma sea español o catalán. |
(site_language:es OR site_language:cat) |
Recuperar solo publicaciones de sitios web cuyo idioma sea español o catalán. |
NOT (site_language:es OR site_language:cat) |
Recuperar todas la publicaciones excepto aquellas publicadas en sitios web cuyo idioma sea español o catalán. |
author:Pedrolo |
Recuperar solo documentos cuyo autor incluya "Pedrolo". |
(site_type:news OR site_type:blogs) |
Recuperar solo publicaciones de sitios web de noticias o de blogs. |
NOT (site_type:general) |
Recuperar publicaciones de sitios web todos de los tipos excepto de los que solo ofrecen información general, es decir, obtener datos solo de sitios web especializados. |
Contacto
Si tienes alguna pregunta, necesitas asistencia, contratar o ampliar tus servicios por favor contacta con nosotros.
SAT (Soporte Técnico):
SAC (Soporte administrativo):
Sales (Soporte ventas):