Resumen del proyecto

Cantabria24Horas es una publicación digital con cerca de 60.000 artículos publicados. El objetivo del proyecto era extraer todo su contenido desde una instalación obsoleta y poco accesible, para migrarlo a una nueva plataforma WordPress más moderna, funcional y mantenible.

Reto

La web original estaba construida con un sistema antiguo, sin panel de control moderno, sin acceso a base de datos limpia, y con enlaces internos caóticos. El reto consistía en extraer la información sin acceso estructurado, conservando texto, títulos y fechas de cada artículo, para luego preparar su importación.

Solución técnica

Se desarrolló un sistema personalizado de scraping basado en Python y Selenium, con reintentos automáticos ante errores de conexión, guardado en HTML local y posterior parsing a CSV limpio. El proceso se estructuró por bloques secuenciales para asegurar el control sobre la cantidad y la integridad de los datos extraídos.

Resultados

Se logró recuperar cerca de 60.000 artículos de forma estructurada, generando un archivo preparado para importación en WordPress con formato limpio, etiquetas, fechas y títulos originales. El proceso, ejecutado por fases, incluyó validaciones manuales, optimización de tiempos de carga y trazabilidad completa de la operación.

Impacto

El trabajo ha permitido a Cantabria24Horas planificar su relanzamiento con base tecnológica moderna y datos históricos preservados, ahorrando miles de euros en desarrollo personalizado o licencias externas. Una migración crítica resuelta de forma ágil, eficiente y escalable.