Descargar informes trimestrales de la Comisión Nacional del Sistema de Ahorro para el Retiro de México

informes_consar.R

# https://x.com/bastimapache/status/2039382214098534586

# script que descarga archivos de una página de internet
# pero además los clasifica en un dataframe con metadatos que vienen
# desde la misma página donde están alojados, ésto porque los nombres
# de los archivos no son consistentes en la descripción de su contenido

library(rvest)

# obtener código del sitio web
sitio <- read_html("https://www.gob.mx/consar/documentos/informes-trimestrales-de-la-consar")

# identificar elementos html que contienen los documentos
documentos <- sitio |> 
  html_elements(".clearfix .documents")

# extraer los nombres de cada documento
nombres <- documentos |> 
  html_elements(".col-md-10") |> 
  html_text2()

# extraer enlaces a los documentos
enlaces <- documentos |> 
  html_elements("a") |> 
  html_attr("href")

enlaces <- paste0("https://www.gob.mx/", enlaces)


# unir datos y enlaces en un dataframe
library(dplyr)
library(tidyr)

informes <- tibble(nombres, enlaces) |> 
  separate(nombres, into = c("año", "trimestre"), 
           sep = ", ")

# descargar archivos
download.file(
  url = enlaces,
  destfile = basename(enlaces)
  )