📊 Price Tracker

Monitor de precios automatizado con historial, dashboard web y exportación a Excel.

---

Demo visual

Screenshots del dashboard principal y el gráfico de evolución de precios.

Dashboard principal	Detalle de producto

---

Características principales

• Scraping resiliente — manejo de timeouts, errores HTTP, cambios de estructura HTML y rate limiting configurable
• Historial de precios — cada ejecución genera un snapshot timestamped; los datos se acumulan sin sobreescribirse
• Detección de cambios — compara los dos últimos snapshots de cada producto e identifica subidas y bajadas de precio
• Dashboard web — tarjetas de resumen (total, promedio, más caro, más barato), tabla de catálogo y alertas de cambios en verde/rojo
• Gráfico de evolución — line chart interactivo por producto con Chart.js
• Exportación — Excel con formato de moneda y encabezados estilizados, CSV con encoding UTF-8-BOM para compatibilidad con Excel
• Automatización — cron/Task Scheduler para entornos de servidor, o scheduler autocontenido en Python para entornos sin acceso al sistema operativo

---

Arquitectura

El principio de diseño central es la separación de responsabilidades: cada módulo hace una sola cosa y no sabe nada de los otros. Si el sitio fuente cambia su HTML, solo se toca scraper.py. Si se quiere cambiar SQLite por PostgreSQL, solo se toca database.py.

┌─────────────────────────────────────────────────────────┐
│                     FUENTES DE DISPARO                  │
│  python app.py    run_scraper.py    scheduler.py        │
│  (botón web)      (cron / manual)   (proceso Python)    │
└────────────┬────────────────┬───────────────────────────┘
             │                │
             ▼                ▼
┌────────────────────────────────────────┐
│              scraper.py                │
│  extraer_libros() → list[dict]         │
│  Peticiones HTTP · BeautifulSoup       │
│  Rate limiting · Manejo de errores     │
└──────────────────┬─────────────────────┘
                   │  list[dict]
                   ▼
┌────────────────────────────────────────┐
│              database.py               │
│  guardar_snapshot()                    │
│  obtener_libros_con_precio_actual()    │
│  detectar_cambios_precio()             │
│  SQLite · tablas: libros + historial   │
└──────────┬─────────────────────────────┘
           │                   │
           ▼                   ▼
┌──────────────────┐  ┌─────────────────────┐
│     app.py       │  │     export.py        │
│  Dashboard Flask │  │  Excel · CSV         │
│  Chart.js        │  │  openpyxl            │
└──────────────────┘  └─────────────────────┘

Por qué cada módulo está separado

Módulo	Responsabilidad	Beneficio del aislamiento
scraper.py	Obtener datos del sitio web	Cambiar la fuente de datos no afecta nada más
database.py	Leer y escribir en SQLite	El motor de base de datos es intercambiable
app.py	Capa web y rutas HTTP	La interfaz no mezcla lógica de datos
export.py	Serializar a archivos	Agregar formatos (JSON, Parquet) no toca el resto
run_scraper.py	Orquestar una corrida	Punto de entrada limpio para cron
scheduler.py	Temporización autónoma	Alternativa a cron sin dependencias del SO

---

Stack técnico

Categoría	Tecnología
Lenguaje	Python 3.10+
Scraping	requests, BeautifulSoup4, lxml
Base de datos	SQLite (stdlib sqlite3)
Web	Flask
Gráficos	Chart.js (CDN)
Exportación	openpyxl, csv (stdlib)
Scheduling	schedule

---

Instalación y uso

Requisitos previos

• Python 3.10 o superior
• Git

Instalación

git clone https://github.com/tomaspro56/Price-Tracker.git
cd Price-Tracker

python3 -m venv venv
source venv/bin/activate       # Linux / macOS / WSL
# venv\Scripts\activate        # Windows

pip install -r requirements.txt

Correr el dashboard web

python app.py

Abrir http://localhost:5001 en el navegador.

En la primera visita la base de datos estará vacía. Hacer clic en Actualizar datos para ejecutar el primer scrape desde la interfaz.

Ejecutar el scraper manualmente

# Con valores por defecto (5 páginas, ~100 productos)
python run_scraper.py

# Personalizar páginas y ruta de la base de datos
python run_scraper.py --paginas 10
python run_scraper.py --paginas 3 --db otra_base.db

El log de cada corrida se guarda en logs/scraper_runs.log.

Iniciar el scheduler autocontenido

# Cada 6 horas (por defecto)
python scheduler.py

# Cada minuto — útil para pruebas
python scheduler.py --intervalo-minutos 1

# Personalizar todo
python scheduler.py --intervalo-minutos 120 --paginas 10

# Detener con Ctrl+C

---

Nota sobre el origen de datos

La implementación actual extrae datos de books.toscrape.com, un sandbox público creado específicamente para practicar web scraping. Fue elegido por tres razones:

1. Estabilidad garantizada — el HTML no cambia de forma inesperada, lo que permite enfocarse en la arquitectura del sistema en lugar de en el mantenimiento de selectores.
2. Sin restricciones de acceso — no requiere autenticación, no bloquea bots, no tiene rate limits agresivos.
3. Datos realistas — catálogo con ~1.000 productos, precios y categorías variadas.

Por qué no MercadoLibre u otros e-commerce grandes

Los sitios e-commerce de alto tráfico implementan protecciones anti-bot sofisticadas: proof-of-work (challenges JavaScript con SHA-256), fingerprinting de navegador, CAPTCHAs adaptativos y análisis de comportamiento. Estas protecciones hacen que un scraper basado en requests sea bloqueado de forma inmediata.

Para esos casos, las opciones viables son:

• API oficial del marketplace (cuando existe y cubre los datos necesarios)
• Automatización de navegador real con herramientas como Playwright o Selenium, que ejecutan JavaScript y emulan comportamiento humano

La arquitectura de este proyecto anticipa exactamente ese escenario: el módulo scraper.py está completamente aislado. Adaptar el tracker a otra fuente de datos —incluyendo una que use Playwright— requiere modificar solo ese archivo, sin tocar la base de datos, el dashboard ni la exportación.

---

Automatización

El proyecto soporta dos enfoques de automatización. Ver AUTOMATIZACION.md para instrucciones detalladas de cada uno.

Cron (Linux / WSL / macOS)

crontab -e

# Cada 6 horas
0 */6 * * * cd /ruta/al/proyecto && /ruta/al/venv/bin/python run_scraper.py

Task Scheduler (Windows)

Configurar una tarea que ejecute venv\Scripts\python.exe run_scraper.py en el directorio del proyecto con la frecuencia deseada.

Scheduler de Python (alternativa multiplataforma)

python scheduler.py --intervalo-minutos 360

---

Estructura del proyecto

price-tracker/
├── scraper.py           # Extracción de datos (única fuente de verdad del HTML)
├── database.py          # Persistencia y consultas SQLite
├── app.py               # Dashboard web (Flask)
├── export.py            # Exportación a Excel y CSV
├── run_scraper.py       # Script standalone para cron/Task Scheduler
├── scheduler.py         # Scheduler autocontenido
├── requirements.txt
├── AUTOMATIZACION.md    # Guía detallada de automatización
│
├── templates/
│   ├── base.html        # Layout base con header y navegación
│   ├── index.html       # Dashboard principal
│   └── detalle.html     # Detalle de producto con gráfico
│
├── static/
│   └── style.css        # Estilos del dashboard
│
├── logs/                # Generado en runtime (excluido del repo)
│   └── scraper_runs.log
│
└── exports/             # Generado en runtime (excluido del repo)
    ├── catalogo_*.xlsx
    ├── catalogo_*.csv
    └── historial_*.xlsx

Los archivos generados en runtime (logs/, exports/, *.db) están excluidos del repositorio vía .gitignore.

---

Posibles mejoras

Mejora	Descripción
Notificaciones por email	Enviar alerta cuando un producto baja de precio usando smtplib o SendGrid
Soporte multi-sitio	Abstraer scraper.py en una interfaz común e implementar adaptadores por fuente
API REST	Exponer los datos vía endpoints JSON para consumo desde otras aplicaciones
Dockerización	Contenedor con el dashboard y el scheduler, docker-compose para levantar el stack completo
Playwright para sitios con JS	Reemplazar requests + BS4 por Playwright en fuentes que requieren renderizado JavaScript
Alertas de disponibilidad	Detectar cuando un producto pasa de sin stock a disponible