Proy_Basurometro

1 Proyecto Basurometro:

1.1 1. Objetivo

1.2 2. Motivacion

1.3 3. Fuentes:

• Pagina oficial del estado peruano
• SUNAT
• OSCE

# install.packages(c('rvest', 'dplyr'))
library(dplyr)
library(purrr)
library(rvest)

# Extraccion de las entidades a scrapear
entidades_estado_peruano <- 
  rvest::read_html('https://www.gob.pe/estado/poder-ejecutivo') %>% 
  rvest::html_elements(xpath = "//*[@class='w-full grid md:grid-cols-6 grid-cols-3 items-center bg-blue-100 mb-0 rounded-t p-1 gap-1 border-blue-100 border']") %>% 
  rvest::html_nodes('a') %>% 
  rvest::html_attr('href')

# Funcion para extraer las subentidades para cadad entidad
extraer_subentidades <- function(entidad) {
  url <- paste0('https://www.gob.pe', entidad)
  tryCatch(
    url %>%
      rvest::read_html() %>%
      rvest::html_nodes('p a') %>%
      rvest::html_attr('href'),
    error = function(e) NULL
  )
}

# Funcion para extraer los miembros de cada subentidad
extraer_miembros <- function(subentidad, entidad) {
  resultados <- list()
  
  for (pagina in 1:100) {
    url <- paste0('https://www.gob.pe/institucion', subentidad, '/funcionarios?sheet=', pagina)
    
    miembros <- tryCatch(
      url %>%
        rvest::read_html() %>%
        rvest::html_elements(xpath = "//*[@class='flex flex-col w-full p-6']"),
      error = function(e) NULL
    )
    
    if (length(miembros) == 0) break
    
    aux_miembros <- miembros %>%
      rvest::html_elements('img') %>%
      rvest::html_attrs() %>%
      unlist() %>%
      unname()
    
    nombres <- aux_miembros[seq(1, length(aux_miembros), 4)]
    cargos <- miembros %>% rvest::html_elements('p') %>% rvest::html_text2()
    url_imagen <- aux_miembros[seq(4, length(aux_miembros), 4)]
    
    resultados[[pagina]] <- dplyr::tibble(
      entidad = entidad,
      subentidad = subentidad,
      nombre = nombres,
      cargo = cargos,
      url_imagen = url_imagen
    )
  }
  
  dplyr::bind_rows(resultados)
}

# Funcion de extraccion principal (3): (1) + (2)
extraer_datos_entidades <- function(entidades) {
  entidades_scrap <- purrr::map(entidades, extraer_subentidades)
  entidades_scrap <- stats::setNames(entidades_scrap, entidades)
  
  resultados <- purrr::map_df(entidades, function(entidad) {
    subentidades <- entidades_scrap[[entidad]]
    if (is.null(subentidades)) return(dplyr::tibble())
    
    purrr::map_df(subentidades, extraer_miembros, entidad = entidad)
  })
  
  resultados
}

# Extrayendo todos los miembros que componen el estado peruano
df_miembros_estado_peruano <- extraer_datos_entidades(entidades_estado_peruano)

# Proyccion a tabla visual
df_miembros_estado_peruano %>%
  DT::datatable(
    extensions = 'Buttons',
    rownames = F,
    filter = 'top',
    caption = 'Miembros del estado peruano',
    options = list(dom = 'Bfrtip',
                   buttons = list('excel', "csv")))