Padrón de sucursales Padrón de sucursales

Resumen

Construyó un padrón mensual de sucursales de cadenas en México basado solo en fuentes oficiales: extrae el localizador de tiendas de cada marca, normaliza las ubicaciones a un esquema único y compara corridas para detectar aperturas y cierres.

Puntos clave

1. 01

   Diseñó un framework de adaptadores declarativos con seis estrategias de extracción (API JSON, JSON embebido, sitemap/JSON-LD, listados HTML, barridos por malla y captura de XHR en navegador real) y entregó 90 adaptadores de marca que produjeron 20,805 sucursales aceptadas en la corrida de septiembre de 2026.

2. 02

   Impuso una regla de fuente única: ni agregadores ni API de mapas como fuente de ubicaciones, y geocodificación solo para direcciones que publicó la propia marca. La regla se respalda con compuertas de calidad, fixtures congelados y 206 pruebas en pytest.

3. 03

   Abordó los localizadores con protección antibot de forma conservadora, con un perfil real de Chrome con ventana que se detiene ante cualquier CAPTCHA, sin resolverlo ni reintentar. Exportó los resultados a Parquet y GeoJSON con un tablero de avance por lote sobre 406 marcas registradas.

Tecnologías

• Python
• httpx
• Playwright
• Pydantic
• Typer
• BeautifulSoup
• JSON-LD
• H3
• Shapely
• Parquet
• GeoJSON
• pytest