Download Banxico's Library monthly updates

banxico_lib_updates.py

import os
import requests
from bs4 import BeautifulSoup
from urllib.parse import urljoin
from datetime import datetime

# URL
url = "https://www.banxico.org.mx/servicios/boletin-mensual-de-la-biblioteca-del-banco-de-mexi/boletin-mensual-biblioteca-pu.html"

# Carpeta local donde se guardarán los archivos PDF
local_folder = "C:\\banxicos library updates"

# Crear la carpeta local si no existe
if not os.path.exists(local_folder):
    os.makedirs(local_folder)

# Realizar la solicitud HTTP
response = requests.get(url)
if response.status_code == 200:
    # Analizar el contenido HTML
    soup = BeautifulSoup(response.content, 'html.parser')
    
    # Encontrar todos los enlaces <a> que apuntan a archivos PDF
    pdf_links = soup.find_all('a', href=lambda href: href and href.endswith('.pdf'))
    
    # Descargar los archivos PDF que no existen localmente
    for link in pdf_links:
        pdf_url = urljoin(url, link['href'])
        file_name = os.path.basename(pdf_url)
        
        # Obtener la fecha del HTML para renombrar el archivo
        row = link.find_parent('tr')
        date_string = row.find('td', class_='bmdateview').text.strip()
        date = datetime.strptime(date_string, '%d/%m/%y')
        new_file_name = f"Boletín Banxico {date.strftime('%Y.%m.%d')}.pdf"
        
        local_path = os.path.join(local_folder, new_file_name)
        
        # Descargar el archivo si no existe localmente
        if not os.path.exists(local_path):
            with open(local_path, 'wb') as f:
                pdf_response = requests.get(pdf_url)
                f.write(pdf_response.content)
                print(f"Se ha descargado un nuevo archivo: {local_path}")
else:
    print("No se pudo acceder a la página web")