Tecnologas de la Informacin Internet invisible

BSQUEDAS EN LA WEB INVISIBLE O PROFUNDA

Internet visible vs. Internet invisible o profunda
Los motores de bsqueda no indizan todo lo que es accesible a travs de la Web. Segn
muchos autores, indizan menos de un 1%, y algunos calculan que sobre un 0,2% (1). Los recursos
informativos que constituyen esa pequea parte, que podramos llamar la Internet visible (o, con
ms precisin, la Web visible), tienen como caractersticas comunes las siguientes:
o Son de acceso libre (sus autores permiten su difusin en la web) y gratuito (no se requiere
un pago por acceder a ellos).
o No requieren de un proceso de registro previo (aunque sea gratuito) para acceder a ellos.
o Es informacin relativamente estable (no cambia el contenido del recurso en el transcurso
de unos minutos, unas horas o unos pocos das), y tienen un URL propio (suele hacerse
referencia a ellas como pginas web estticas).
o Tienen de forma nativa un formato extendido, especialmente HTML (aunque pueden
indizarse tambin recursos en otros formatos como PDF, RTF, MS-Word, MS-Excel, MSPorwerPoint, etc.).
o Puede accederse a ellos desde enlaces situados en otros recursos (especialmente pginas
HTML, aunque tambin recursos en otros formatos como PDF, RTF o MS-Word).
As, en lo que podramos llamar la Internet invisible, o la Internet profunda (hay
quienes consideran dos conceptos diferentes; en cualquier caso sera ms preciso hablar de Web
invisible o Web profunda), estaran todos aquellos recursos inaccesibles para los motores de
bsqueda, y especialmente:
o Los registros concretos de bases de datos de cualquier tipo, a los que sin embargo puede
accederse desde una interfaz web.
o Documentos en formatos menos extendidos o comunes que los citados antes.
o Pginas web (o sitios web completos) que, por expreso deseo, no son indizadas por los
motores de bsqueda (mediante indicaciones normalizadas incluidas en ficheros llamados
robots.txt, que los robots leen antes de pasar el URL al subsistema de indizacin).
o Pginas web de sitios que exigen el registro (nombre de usuario y contrasea) para acceder
a todo o parte del sitio, aun cuando dicho registro sea gratuito.
o Pginas situadas en servidores web abiertos pero que no tienen acceso desde ningn enlace
exterior y por tanto no son visitadas por los robots e indizadas (islas).
Evidentemente, hay otros recursos en Internet, que podramos llamar la Internet privada,
a los que slo tienen acceso usuarios concretos en tanto que son miembros de una determinada
organizacin en razn de su actividad profesional, por el aval de otros miembros o mediante el pago
de cuotas. Esta parte de Internet, que incluye intranets accesibles desde Internet (en ocasiones
conocidas como extranets), evidentemente, queda fuera del alcance de la anterior clasificacin.

Bases de datos accesibles desde la web

Como se ha sealado, muchas bases de datos pueden ser consultadas desde la Web, y por
tanto, sus registros estn accesibles aunque no aparezcan entre los resultados que nos proporciona
1

Michael K. Bergman. White Paper: The Deep Web: Surfacing Hidden Value. Journal of Electronic Publishing,
7(1), Agosto 2001. (Disponible en <http://dx.doi.org/10.3998/3336451.0007.104>.)

Prof. J. Toms Nogales Flores (tomas.nogales@uc3m.es)

Tecnologas de la Informacin Internet invisible

un motor de bsqueda. La consulta de la base de datos se realiza desde una interfaz web, esto es,
una pgina web (HTML) esttica que incluye formularios cuyo contenido se le trasfiere a una
pasarela (gateway) que los convierte en instrucciones para el gestor de bases de datos que
lanzar la bsqueda sobre la base de datos. Los resultados de la bsqueda, devueltos por el gestor
de bases de datos a la pasarela, son convertidos a HTML y mostrados al usuario como una pgina
web (en concreto, como una pgina web dinmica, esto es, generada ad hoc como resultado de
una bsqueda concreta, igual que sucede con los resultados de una bsqueda en un motor de
bsqueda).
Aunque se han hecho intentos para generar pginas web estticas a partir del contenido de
los registros de bases de datos, para facilitar as el que ciertos motores de bsqueda pudieran incluir
tales registros entre sus resultados, lo cierto es que es ms prctico conocer de la existencia de tales
bases de datos, y una vez localizada la que puede contestar nuestra necesidad de informacin, hacer
la oportuna bsqueda mediante la interfaz web, que seguramente nos ofrecer opciones de bsqueda
ms potentes y adecuadas para la base de datos que las que nos facilita el leguaje de interrogacin
de los motores de bsqueda.
A modo de ilustracin sobre tales bases de datos, a continuacin se presentan algunas de
tales bases de datos que podran entrar en la categora de obras de referencia.

Algunas obras de referencia en Internet

Diccionarios
o DRAE (Diccionario de la RAE, Real Academia Espaola (http://www.rae.es/rae.html).
Corresponde a la 22 edicin impresa, de 2001, pero incluye las modificaciones que se
incluirn en la siguiente edicin: . Tambin es interesante el Diccionario panhispnico de
dudas (http://buscon.rae.es/dpdI/) (atencin: el ltimo carcter es una I mayscula),
justamente para resolver las que se te presenten sobre la lengua espaola, al hablar o
escribir.
o WordReference (http://www.wordreference.com/) Incluye diccionarios de definiciones,
sinnimos y bilinges, en varias lenguas, entre ellas el espaol (para el espaol dispones de
los bilinges con ingls, francs o portugus). Tiene utilidades adicionales, como la
pronunciacin (auditiva) de las palabras, otras entradas de diccionario que incluyen la
palabra buscada, o debates en foros sobre su correcto uso.
o IATE (InterActive Terminology for Europe) (http://iate.europa.eu/) Base de datos
terminolgica multilinge de la UE. Se puso en marcha en 2007, reemplazando al
EuroDicAutom de 1975 y otras bases de datos terminolgicas de la UE. Proporciona
traducciones autorizadas entre todas las lenguas de la UE, permitiendo adems especificar el
mbito de uso del trmino buscado, segn las categoras del tesauro Erovoc.
(http://europa.eu/eurovoc/).
Enciclopedias
o Wikipedia (http://es.wikipedia.org/) (Haca falta indicarlo?). Esfuerzo colaborativo de
voluntarios para desarrollar una enciclopedia abierta, de uso libre, dentro de uno de los
proyectos de la fundacin sin nimo de lucro Wikimedia. (Advierte que los artculos de la
Wikipedia s estn indizados en los motores de bsqueda.)
Hay que tener en cuenta que son muchas enciclopedias distintas, una por cada lengua
(el URL cambia de es al cdigo de lengua en cuestin), aunque, afortunadamente,
puede accederse directamente desde una entrada en una lengua a la equivalente en
cualquier otra que tenga un artculo para esa entrada (seleccionando la lengua en el

Prof. J. Toms Nogales Flores (tomas.nogales@uc3m.es)

Tecnologas de la Informacin Internet invisible

apartado En otras lenguas de la izquierda de la ventana), de manera que funciona

como traductor multilinge.
Las entradas para los aos (como en 1969) pueden entenderse como anuarios
(cronolgicos o cronologas) (incluyendo la equivalencia con otros calendarios) y las
de los das de cada mes (como en 20 de julio) como efemrides. Hay adems
entradas por dcadas (como en aos 1960) y siglos (como en siglo XX).
Los artculos se categorizan (en varios niveles) de manera que, navegando por el
rbol de categoras, puede accederse a colecciones de artculos que han sido
incluidos en una misma categora. Observa, en la portada de la Wikipedia
(http://es.wikipedia.org/wiki/Wikipedia:Portada), el apartado de Portales. Intenta
encontrar un portal directamente relacionado con la Informacin y Documentacin
(o Biblioteconoma y Documentacin). Lo encuentras? Busca ahora en la versin
inglesa de la Wikipedia (http://en.wikipedia.org/). Qu te parece?
Otros proyectos de Wikimedia son Wikcionario (diccionario con sinnimos),
Wikilibros (libros de texto y manuales), Wikiquote (coleccin de citas), Wikisource
(la biblioteca libre), Wikiespecies (directorio de especies), Wikinoticias (Noticias
libres), Commons (imgenes y multimedia), Wikiversidad, (plataforma virtual de
aprendizaje), Meta-Wiki (coordinacin de proyectos)
o Encyclopaedia Britannica (http://www.britannica.com/). Una de las enciclopedias ms
reconocidas del mundo y en todos los tiempos, dispone tambin de una versin online.
Explora su interfaz y familiarzate con ella. Muchas personas que no aceptan citas a la
Wikipedia admitiran citas a artculos de la Britannica.
o HighBeam Encyclopedia (http://www.encyclopedia.com/). Permite buscar en ms de cien
fuentes, incluyendo enciclopedias diccionarios generales y cientficos, y tesauros.
o Enciclopedia de smbolos (http://www.symbols.com/). Enciclopedia en lnea de smbolos
usados en el mundo occidental. Permite la bsqueda describiendo los elementos grficos
involucrados o la funcin o equivalencia del smbolo.
Biografas
o Biografas y vidas (http://www.biografiasyvidas.com/). Iniciativa de Biografas y vidas,
S.C.P.
o Biography.com (Bio. True Story) (http://www.biography.com/). Base de datos de
biografas, creada por A&E Television Networks. En realidad, las enciclopedias generales
tambin ofrecen este tipo de informacin generalmente.
Directorios (de personas u organizaciones)
o Pginas Blancas (http://www.paginasblancas.es/ o http://blancas.paginasamarillas.es/). Para
localizar direcciones postales y telfonos de particulares, en Espaa.
o Pginas Amarillas (http://www.paginasamarillas.es/) Para localizar direcciones postales y
telfonos de empresas y profesionales liberales, en Espaa. Por cierto, mira el buscador para
ver qu operadores lgicos puedes usar. Y observa tambin el directorio (en el sentido en
que lo vimos como herramienta de bsqueda por navegacin en la web).
o Infobel (http://www.infobel.com/). Creado por la empresa belga Kapitol, permite localizar
guas telefnicas de todo el mundo, incluso consultar directamente muchas de ellas. Permite
incluso la bsqueda inversa, por nmero de telfono (prohibida por ley, hoy slo ofrece el
cdigo postal).
Mapas

Prof. J. Toms Nogales Flores (tomas.nogales@uc3m.es)

Tecnologas de la Informacin Internet invisible

o Google Maps (http://maps.google.es/). Servicio de Google que te permite moverte por el

mundo con mapas de carreteras y calles, con simulacin de relieve, o fotografas de satlite
o areas, entre otras muchas opciones. Funciona adems como callejero para cualquier lugar
del mundo y determinar rutas entre dos puntos (Una broma: averigua cmo llegar a pie
desde Madrid a Dubln. Ah, claro, cogiendo los ferrys! Pero hacerlo en 6 das y 3 horas...).
o Callejeros (y rutas): como los de las Pginas Amarillas y Blancas ya citadas (mira la
pestaa correspondiente), o el de Terra (http://callejero.terra.es/); todos ellos te permiten
establecer tambin rutas interurbanas y urbanas (stas a pie o en coche) entre dos puntos.
o PCL Map Collection (http://www.lib.utexas.edu/maps/). Coleccin de mapas de la PerryCastaeda Library de la Universidad de Texas en Austin. Puedes acceder a ellos navegando.
Si quieres ms, puedes seguir el enlace asociado al ancla Maps on Other Web Sites o los
que hay debajo.
o Map Machine (http://maps.nationalgeographic.com/). De National Geographic. Tambin te
permite navegar por el mundo siguiendo mapas de carreteras y planos de ciudades, o
fotografas de satlite o areas.
Cronologas (anuarios, efemrides, etc.)
o Wikipedia (http://es.wikipedia.org/). Como viste en alguna prctica anterior, las entradas
para los aos (como en 1969) pueden entenderse como anuarios (incluyendo la
equivalencia con otros calendarios) y las de los das de cada mes (como en 20 de julio)
como efemrides. Hay adems entradas por dcadas (como en aos 1960) y siglos (como
en siglo XX).
Estadsticas
o INEbase (http://www.ine.es/). Base de datos del Instituto Nacional de Estadstica, con todo
lo que te puedes imaginar que contiene: estadsticas relacionadas con el entorno fsico u
medio ambiente, demografa y poblacin, sociedad, economa, ciencia y tecnologa,
agricultura, industria, energa, construccin y, finalmente, servicios. Tambin a nivel
internacional.
o Eurostat (http://ec.europa.eu/eurostat/, o http://epp.eurostat.ec.europa.eu/). Estadsticas a
nivel de la UE. Con casi todo lo imaginable.
o United Nations Cyberschoolbus (http://cyberschoolbus.un.org/infonation3/basic.asp).
Quieres comparar rpidamente datos estadsticas de diversos pases del mundo? No dejes
de usarlo.
Meteorologa y climatologa
o Agencia Estatal de Meteorologa (http://www.aemet.es). El tiempo en Espaa, observado o
previsto, incluso a nivel de municipios. Y datos climticos referidos a muchos observatorios
meteorolgicos. Da acceso tambin a datos sobre la meteorologa y el clima de todo el
mundo, por su vinculacin al Servicio de Informacin Meteorolgica Mundial
(http://wwis.inm.es/ o http://worldweather.wmo.int/) de la Organizacin Meteorolgica
Mundial.
Legislacin
o Boletn Oficial del Estado (http://www.boe.es/). Te suena, no? Al menos debes conocer la
base de datos Iberlex (http://www.boe.es/aeboe/consultas/bases_datos/iberlex.php), que
contiene toda la legislacin estatal, autonmica y comunitaria desde 1960.

Prof. J. Toms Nogales Flores (tomas.nogales@uc3m.es)

Tecnologas de la Informacin Internet invisible

Cultura
o Ministerio de Cultura (http://www.mcu.es/). Escribe en el buscador bases de datos. Mira
los resultados. Entra en la base de datos de pelculas estrenadas en cines comerciales
(http://www.mcu.es/cine/CE/BBDDPeliculas/BBDDPeliculas_Index.html), o en la de libros
editados en Espaa (http://www.mcu.es/libro/CE/AgenciaISBN/BBDDLibros/Sobre.html).
o Etctera (http://una.broma.es/). S es una broma. Pero es que realmente podramos
relacionar aqu miles de cosas. Un solo ejemplo. Si eres aficionado al cine, seguro que
conoces IMDb, The Internet Movies Database (http://www.imdb.com/). No, no hablamos
de bajarte pelculas, sino de saber cosas sobre las pelculas. O eres de los que prefieren
FilmAffinity (http://www.filmaffinity.com/)?
Etctera
o Etctera
o Etctera
Porque podramos seguir as hasta el infinito. Esto era una pequesima muestra. Mira en
http://www.internetinvisible.com/. Ah tienes otra muestra.

EJERCICIOS
Intenta, recurriendo a los sitios web que consideres oportuno, responder a las preguntas que
se te plantean en estos ejercicios.
1. Tu amigo Antonio Lpez te ha comentado que su abuelo paterno particip como actor en la
famosa pelcula Casablanca, en el papel de un agente de polica, pero que no lleg a salir en
los crditos porque ese papel no era lo bastante importante. Podras verificarlo?
2. Cmo debe escribirse: Solo estoy de paso o Slo estoy de paso? Estuvo slo una
semana o Estuvo solo una semana?
3. Si estuvieras en Pars, y siguieras la calle Richelieu en direccin sur, a qu puente sobre el ro
llegaras?
4. En cifras oficiales y a fecha de hoy, cunto ha recaudado en cines espaoles la pelcula Agora
de Alejandro Amenbar? Cuntos espectadores la han visto?
5. Hay un edificio en nuestra Universidad que lleva el nombre de una persona de apellido Benet.
En qu lugar ficticio transcurren los relatos incluidos ya en un libro que escribi a finales de los
aos cincuenta y public a principios de los sesenta, y en obras posteriores?
6. Lo necesitas para un informe que te ha pedido tu jefe. Cmo diras en alemn ndice de
precios al consumo armonizado? Y fsica de los rayos lser?
7. Por ser la inauguracin de un proyecto en el que has participado, necesitas saber el tiempo que
har el prximo domingo en la localidad de Adrada de Haza. Qu probabilidad hay de que
llueva? Ser mejor hacer el acto in situ o en un local bajo techo?

Prof. J. Toms Nogales Flores (tomas.nogales@uc3m.es)

Tecnologas de la Informacin Internet invisible

8. Si tuvieras que representar mediante un smbolo grfico a la antipartcula del electrn Qu

smbolo podras utilizar?
9. En qu fecha se public el plan de estudios, en extincin, de Ingeniero Tcnico en Mecnica de
esta Universidad, y cul era la fecha de la Resolucin?
10. Para la instalacin de ciertos equipos en la ciudad de Soria necesitas saber las condiciones
meteorolgicas normales a lo largo del ao, como la temperatura mxima y mnima diaria, la
precipitacin acumulada mensual o la humedad relativa media. Por ejemplo, qu humedad
relativa podemos esperar encontrarnos en diciembre? Cul ha sido la temperatura ms baja
registrada y cundo fue?
11. Cul es el ltimo IPI (ndice de Produccin Industrial) para la industria espaola de la
construccin de maquinaria durante 2009? Y para la fabricacin de vehculos de motor,
remolques y semirremolques?

Prof. J. Toms Nogales Flores (tomas.nogales@uc3m.es)