Madrid Ite Scraper

Este actor extrae información de la Inspección Técnica de Edificios (ITE) del portal oficial del Ayuntamiento de Madrid.

📋 Descripción

El actor navega por el sitio web de consultas de ITE de Madrid (https://servpub.madrid.es/GITEP_WBFICHA/SGiteCons#) y extrae información detallada de edificios específicos basándose en:

• Tipo de vía
• Nombre de la vía
• Número del portal

🚀 Uso

Parámetros de entrada

Campo	Tipo	Requerido	Descripción	Ejemplo
tipoVia	string	✅	Tipo de vía (CALLE, AVENIDA, PLAZA, etc.)	"CALLE"
nombreVia	string	✅	Nombre de la vía o calle	"ALCALÁ"
numeroCalle	string	✅	Número del portal o edificio	"123"
proxyConfiguration	object	❌	Configuración de proxy (opcional)	{"useApifyProxy": true}

Ejemplo de input

{
  "tipoVia": "CALLE",
  "nombreVia": "ALCALÁ",
  "numeroCalle": "123"
}

📊 Datos extraídos

El actor extrae la siguiente información:

Estructura de salida

{
  "data": {
    "textoCompleto": "Texto completo de la página",
    "elementos": {
      "celdasValor": [
        {
          "texto": "Contenido de la celda",
          "clase": "celdaValor",
          "colspan": "1",
          "rowspan": "1"
        }
      ],
      "textosFuertes": [
        {
          "texto": "Texto en negrita",
          "id": "elemento_id",
          "clase": "clase_css"
        }
      ],
      "encabezados": [
        {
          "texto": "Texto del encabezado",
          "etiqueta": "H1",
          "id": "encabezado_id"
        }
      ],
      "enlaces": [
        {
          "texto": "Texto del enlace",
          "href": "url_del_enlace",
          "titulo": "título_del_enlace"
        }
      ]
    }
  },
  "metadata": {
    "tipoVia": "CALLE",
    "nombreVia": "ALCALÁ", 
    "numeroCalle": "123",
    "timestamp": "2024-01-15T10:30:00.000Z",
    "url": "url_final_consultada"
  }
}

🔧 Características técnicas

• Navegador: Puppeteer con Chrome/Chromium
• Normalización de texto: Maneja acentos, espacios especiales y diferencias de mayúsculas/minúsculas
• Reintentos automáticos: Sistema robusto de reintentos en caso de errores de navegación
• Screenshots de error: Captura automática de pantalla en caso de fallos
• Soporte para proxies: Compatible con Apify Proxy y proxies personalizados

⚠️ Limitaciones y consideraciones

1. Dependiente del sitio web: El actor depende de la estructura actual del portal de Madrid
2. Tiempo de ejecución: Puede tomar 30-60 segundos por consulta debido a la navegación web
3. Datos disponibles: Solo extrae información públicamente disponible en el portal
4. Rate limiting: Usa delays para respetar el servidor

🔄 Manejo de errores

El actor incluye:

• Verificación de parámetros de entrada
• Timeouts configurables para elementos web
• Reintentos automáticos en navegación
• Screenshots de depuración en errores
• Logs detallados del proceso

📝 Logs y depuración

Durante la ejecución verás logs como:

🔍 Buscando: CALLE ALCALÁ 123
✅ Tipo de vía seleccionado: CALLE
✅ Nombre de vía escrito: ALCALÁ
➡️ Buscando calle...
✅ Calle seleccionada: CALLE ALCALÁ
✅ Número de portal seleccionado: 123
📊 Resultado guardado en dataset

🛠 Desarrollo y contribución

Para modificar o mejorar el actor:

1. Clona el repositorio
2. Modifica main.js según necesidades
3. Actualiza INPUT_SCHEMA.json si cambias parámetros
4. Prueba localmente con apify run
5. Sube cambios a Apify Console

📄 Licencia

Este actor es de uso libre para consultas legítimas de información pública del Ayuntamiento de Madrid.