rohaquinlop Extracción de datos desde redes sociales — Enlace Sismo
Flujo validado en la sesión del 10-11/08/2026 (sismo M7.4). Regla de oro del proyecto:
ningún dato se publica sin fuente verificable — y una cuenta personal NO es fuente.
Esta es la versión canónica para enlace-sismo (vive en el repo); la guía para
contribuidores está en docs/guia-redes-sociales.md.
1. X / Twitter — leíble sin cuenta
node scripts/leer-redes.mjs "https://x.com/<usuario>/status/<id>" --descargar
- Extrae texto completo, autor, fecha e id del post (api.fxtwitter.com, con fallback a oEmbed de Twitter).
--descargarbaja las fotos acapturas/redes/<id>-<usuario>.jpg.- Línea de tiempo de una entidad (buscar anuncios):
node scripts/leer-redes.mjs @handle(máx. ~10 tweets cacheados; puede dar "Not found" si el usuario no está en caché — probar variantes del handle o pedir el link al usuario).
Los posts oficiales suelen tener la información en la IMAGEN. Descargar + OCR:
swiftc -O scripts/ocr.swift -o /tmp/ocr # una vez por máquina (Vision de Apple, macOS)
/tmp/ocr capturas/redes/<archivo>.jpg --sorted
2. Instagram / Facebook / WhatsApp — NO leíbles
Detrás de login/antibot. Protocolo: el usuario guarda la captura en capturas/ y la URL del post en un .txt con el mismo nombre. Los datos se extraen de la imagen (visión/OCR); la URL queda registrada como fuente.
3. Telegram — leíble
Canales públicos: https://t.me/s/<nombre-canal> (preview web).
4. Buscar anuncios oficiales (si el buscador falla)
web_searchpuede devolver vacío temporalmente. Fallback probado: Google News RSShttps://news.google.com/rss/search?q=<query URL-encoded>&hl=es-419&gl=CO&ceid=CO:es-419— devuelve títulos+fuentes+dates.- Los links del RSS son wrappers cifrados (no resolubles por servidor): usar el id numérico del post con
leer-redes.mjso el artículo directo. - Sitios oficiales directos:
cali.gov.co,bogota.gov.co(buscar en el HTML las URLs de boletines), etc.
5. Protocolo de verificación (antes de tocar data/*.json)
| Caso | Tratamiento |
|---|---|
| Post de la cuenta oficial de la entidad | verificacion: oficial, fuente = URL del post |
| Gráfico oficial difundido por cuenta personal | sin-confirmar, fuente = URL donde se encontró; pedir el post original para subir a oficial |
| Cuenta personal sin gráfico oficial | NO publicable — documentar en capturas/ |
| Prensa citando anuncio oficial | sin-confirmar, fuente = artículo |
Coordenadas (obligatorio antes de publicar):
node scripts/verificar-coordenadas.mjs # Google embed (geocoder de "Cómo llegar") + ArcGIS
- Publicar solo donde coinciden ≥2 fuentes (<150 m); si no,
coordenadas_nivel: barrioo no publicar. - Los centroides de calle de Nominatim NO sirven para placas (ej. Banco de Alimentos Cali quedó a 2 km).
- Placas con sufijo (ej. "31-41 Sur") confunden a Google — verificar con ArcGIS + aritmética de placa.
coordenadas_nivel:premisa(edificio/POI) ·via(calle) ·barrio(centroide).
Datos de la entrada (según schema del catálogo):
fuente= URL del post/artículo;fuente_secundariasi hay corroboración.verificado_por= "equipo-enlacesismo (…fuente… 2026-08-11)";fecha_verificacion= hoy.- Estados: acopios/albergues
abierto|cerrado|sin-confirmar; sangreactiva|finalizada|sin-confirmar. - Nunca inventar dirección, coordenada ni necesidad — solo lo que dice la fuente.
6. Cierre
npm run validate:data(los campos de verificación son obligatorios, CI bloquea).npm run build.- Reportar al usuario qué quedó
oficialvssin-confirmary qué necesita confirmación humana (p. ej. post original de la entidad).