Tutoria 3 Final

Facultad de Sistemas de Información y Documentación
INFORME
TUTURIA 3
ANÁLISIS DE UNA COLECCIÓN WEB A PARTIR DE HTTRACK
Y DE OTRAS HERRAMIENTAS DE ÍNDICES Y BÚSQUEDAS
ASIGNATURA: Recuperación de Información

ALUMNO(S): Nancy González, 33062222, ngonzasa@gmail.com ; Melissa
Rivero, 33062236, melissara92@gmail.com; Angélica Rojas, 33062217,
angie29775@gmail.com
FECHA DE ELABORACIÓN: 2009-11-02
TEMA A TRATAR
“El uso de HTTRACK como herramienta de Spider para analizar el sitio web del
Archivo Virtual de la edad de Plata, comparando resultados con DigidocIndex
Swish-e, Google Custom Search y Windows Search”
SUBTEMAS A TRATAR
1. Instalar y configurar HTTRACK como herramienta Spider para análisis

del sitio web
2. Indizar y realizar búsquedas en otras herramientas como GCS, Swish-e,
Digidocindex y Windows Search
3. Comparar los resultados y hacer análisis exhaustivo del producto
obtenido
4. Observar la colección mixta que comprende un sitio web y la importancia
de recuperar información a partir de su estructura
RESUMEN
Este documento contiene un manual de instalación y configuración de la

herramienta HTTrack, usada para descargar todo el directorio de la Unidad de
información http://www.archivovirtual.org/, adicional se presenta la
configuración de Digidocindex, Google Custom Search y Windows Search.
Obtenida la carpeta del sitio se genero los índices de la misma y las búsquedas
con los términos especificados, en las herramientas Windows Desktop Search,
Swish-e, Digidocindex y Google Custom Search, posteriormente se realiza un
análisis y comparación de los resultados entre las 4 herramientas utilizadas ,
para inferir ventajas y desventajas de cada una de ellas.
02/11/09 Pág. 1
PALABRAS CLAVES
• Indización
• Recuperación de Información
• Relevancia
• Ordenación
02/11/09 Pág. 2
INDICE GENERAL
INTRODUCCIÓN
El desarrollo de las tutorías pasadas y la interpretación del concepto de

recuperación de información se logra obtener un desarrollo exhaustivo de los
requerimientos de la presente tutoría.
Con la utilización de diferentes sistemas de recuperación de información, como

Google Custom Search, Windows Search, Swish-e y DigidocIndex se
aprovecha la capacidad para realizar una búsqueda personalizada avanzada,
obteniendo resultados rápidos y relevantes, proporcionando una indexación
rápida, implementando búsquedas personificadas y permitiendo comparar sus
ventajas y desventajas.
Otra herramienta utilizada es HTTrack, un software libre, que permite

descargar todos los sitios y contenido de una página web con dominio propio.
Permite descargar un sitio web a un archivo local construyendo todos los
02/11/09 Pág. 3
directorios, consiguiendo HTML, imágenes y otros archivos desde el servidor al

computador, arreglando el vínculo relativo al sitio original de la estructura,
actualiza un sitio reflejado existente, y reanudar descargas interrumpidas. Es
totalmente configurable, y su sistema de ayuda es integrado. Es tan sencillo
como si descargara la página web y estuviese trabajando en línea.
Un nuevo elemento que se incluyo para la realización del presente trabajo fue
DigiDocIndex, el cual es un indexador y generador de motores de búsqueda
local. Como resultado final una página HTML o un fragmento de código
JavaScript que puede ser descargado e integrado en cualquier sitio Web. Para
este procedimiento no se requieren conocimientos de programación es
necesario para utilizar estos servicios.
Swish-e “Simple Web Indexing System for Humans Enhanced” manejada a

través de una consola de comandos, comprobamos nuevamente que es una
herramienta que genera los índices y hace las búsquedas rápidamente.
Windows Search sistema de búsqueda instantánea, arroja resultados de

forma rápida y permite visualizarlos. Esta búsqueda también se puede realizar
en la web.
A continuación se presenta el desarrollo del trabajo y la sustentación de las

ventajas, desventajas y diferencias de las herramientas usadas.
INFORME / TUTORÍA 3
1. Instalación de HTTRACK
“HTTrack es una aplicación informática de Software libre con licencia GPL,

multilenguaje y multiplataforma cuyo fin es la captura Web, es decir la descarga
a un PC, de todo, o parte de un Sitio Web, para posteriormente poder navegar
por él Off-line. Su versión para los Sistemas operativos GNU/Linux se llama
WebHTTrack, y su versión para el Sistema operativo Windows se llama
WinHTTrack”1
Para la instalación en Windows es necesario seguir los siguientes pasos:
a. Ingresar a http://sisinfo.lasalle.edu.co/original/sri/Software/, clic en

httrack-3.43-7.exe
1
WIKILIBROS. [En línea - html]. [Consultado 2009-10-21]. Disponible en: http://es.wikibooks.org/wiki/HTTrack
02/11/09 Pág. 4
b. Clic en Run
02/11/09 Pág. 5
c. Clic en Next
d. Clic en I Accept the agreement, para aceptar las condiciones de la

licencia, clic en Next
02/11/09 Pág. 6
e. Seleccionar el destino de descarga y clic en Next
f. Seleccionar el nombre de la carpeta de menú, clic en Next
02/11/09 Pág. 7
g. Clic en Next
h. Clic en Install
02/11/09 Pág. 8
i. Se inicia la instalación
j. Clic en Finish
02/11/09 Pág. 9
k. Se activa automáticamente un cuadro de diálogo que permite escoger el

idioma deseado para trabajar Httrack, para tal caso se escoge
Castellano, clic en OK
l. Clic en Siguiente para iniciar el proceso de descarga de un sitio web
02/11/09 Pág. 10
m. Escoger nombre del proyecto y la ruta de ubicación donde se realizará

las descargas, clic en Siguiente
n. Se selecciona la acción a realizar para éste caso “Copiar sitios de la

web”, y se agrega la dirección URL que ubica a la página web, clic en
siguiente
02/11/09 Pág. 11
o. Clic en Finalizar
02/11/09 Pág. 12
p. Se inicia el volcado de la información
q. Una vez terminado el proceso se genera en la ruta C: Mis Sitios web, la

carpeta con todos los archivos descargados.
02/11/09 Pág. 13
r. La carpeta que se tendrá en cuenta para el análisis de los resultados con

el fin de obtener términos de búsqueda será www.archivovirtual.org
s. Allí se encontrará una variedad de carpetas descargadas que

comprende cada interfaz que genera el sitio web, es decir el despliegue
del mapa del sitio con su arquitectura web.
02/11/09 Pág. 14
Es importante resaltar los siguientes datos:
Tiempo de descarga 7 horas
Tamaño de la carpeta generada 15.7 MB 1402 archivos,
El sitio web descargado corresponde a una Unidad de Información llamada

Archivo Virtual de la Edad de Plata 1868-1936 desarrollado el “El 18 de enero
de 1999 con la firma de un convenio de colaboración entre la Fundación
Marcelino Botín y la Fundación Residencia de Estudiantes para desarrollar un
proyecto de Red de Centros y Archivo Virtual de la Edad de Plata (1868- 1936)
cuyo propósito es salvaguardar y difundir los testimonios de la historia
intelectual de esta etapa de la cultura española, en los terrenos literario,
artístico y científico”2
Una vez obtenido los archivos fue necesario hacer un análisis exhaustivo de los
resultados con el fin de caracterizarlos, separarlos, distinguirlos y comprender
el contenido de cada uno para determinar los criterios de búsqueda
Dentro de los archivos obtenidos se puede determinar las siguientes

características:
• Archivos con extensión .html y .htm que corresponden a sitios

web descargados
2
ARCHIVO VIRTUAL. El proyecto. [En línea - html]. [Consultado 2009-10-25]. Disponible en:
http://www.archivovirtual.org/proyecto/proyecto.htm
02/11/09 Pág. 15
• Archivos .gif que corresponden a las imágenes contenidas dentro

del sitio web
02/11/09 Pág. 16
• Archivos .jpg que corresponden a imágenes del sitio web
• Archivos .doc que contiene formularios o archivos adjuntos dentro

del sitio web
02/11/09 Pág. 17
• Archivos .pdf con algunos artículos interesantes que desarrollan

el sitio web en contenido
Cada uno de los archivos generados permitió hacer un análisis para poder
determinar los tipos de búsqueda que se tendrían en cuenta para el uso de las
demás herramientas.
Para ello se opto por activar un 85% aproximadamente de los archivos para
observar su contenido, dentro de los resultados se obtuvo páginas web activas
con rutas válidas, al igual que imágenes que comprende archivos de
caracterización e interfaz de algunos enlaces, de igual forma se obtuvo sitios
web que indican URL no válida que por ende no permite descargar algún
contenido.
Una vez realizado el análisis se determinaron los siguientes criterios de

búsqueda para ser usado en las siguientes herramientas de recuperación de
información Swish-e, DigidocIndex, Google Custom Search y Windows Search.
• José María de Cossío
• Foros de debate
• (libro electrónico AND José Antonio Millán) OR (saberes

compartidos AND José Antonio Millán)
• Project dissemination
02/11/09 Pág. 18
2. Indización y Búsquedas con Swish-e
Para indizar en Swish-e una colección diferente a .txt es necesario crear un

archivo de configuración que permita establecer los parámetros pertinentes
para que Swish-e indexe la colección y permita hacer búsquedas sobre ella.
Para establecer el archivo de configuración se tiene en cuenta los siguientes
pasos:
a. Abrir Bloc de Notas para escribir los parámetros
b. Una vez abierto se establece que parámetros serán necesarios para dicha
colección. Para ello se tendrá en cuenta los parámetros pertinentes
encontrados en : http://swish-e.org/docs/swish-config.html y que aplican a la
colección, a continuación se hará una breve explicación de la configuración
seleccionada.
• IndexFile: Establece la ruta de la ubicación donde quedará el índice de

la colección.
• IndexDir: Establece la ruta del directorio que se va a indizar
• IndexOnly: Se establece el tipo de extensión que contiene los archivos
• TranslateCharacters: Permite establecer que se tenga o no en cuenta

las tíldes de las vocales
• IgnoreWords: Previamente se crea un archivo que contiene palabras

vacías obtenidas del análisis con AntConc y que no generan ningún
significado dentro de los documentos. El archivo creado se guarda en
C:/SWISH-E/bin/vacias.txt
• File Filter: Parámetros de aplicación de programas que transforman

documentos binarios en documentos de texto.
• WordCharacters: Indica cuales son los caracteres indizables
• IndexContents: Indica los archivos que se deben incluir en el índice
• NoContents: Indica los archivos que no se deben incluir en el índice
• DefaultContents: Indica que los contenidos por defecto
• FollowSymLinks: Indica los enlaces del sitio web
02/11/09 Pág. 19
• StoreDescription: Indica cuantas letras deseo que almacene en el

índice
• ConvertHTMLEntities: Convierte caracteres como & en indizables
• MetaNames: Indica las etiquetas de la estructura que se desea incluir en

el índice.
• UndefinedMetaTags: Indica que no índice otras etiquetas
c. El archivo de configuración se guarda en C:Swish-e/bin
Ya creado el archivo de configuración, por medio de la consola se comandos

se establece la indización de los mismos para ello, Clic en Ejecutar-cmd-
Aceptar
02/11/09 Pág. 20
a. Se abre la consola de comandos, y se procede a ubicar la carpeta de la

colección a indizar por medio de los comandos de DOS, y con -c se indiza
la colección.
b. Una vez indizado se obtiene el siguiente resultado:
02/11/09 Pág. 21
CRITERIOS RESULTADOS
12485 palabras en orden
Clasificación alfabético
No. Archivos indizados 809
Total de almacenamiento 14.446.595 bytes
Total de palabras 194.197
Tiempo de indización 3 segundos
Tamaño de archivos de generados en C: .index 1.24 MB
Tamaño de archivos de generados en C: .prop 125 KB
f. . Una vez generado el índice se crea automáticamente dos archivos en bin

que incluye la extensión .index y .prop
archivovirtual.index.prop archivovirtual.index
Se puede observar que Swish-e solo indizó 809 archivos de 1402 que contiene
la carpeta, esto se presenta debido a que en las instrucciones del archivo de
configuración se indicó que excluyera dentro de la indización los .gif .jpg .jpeg y
.css que corresponden a un total de 593
2.1 Búsquedas de términos
Para hacer la búsqueda en una colección con archivo de configuración se

ejecuta swish-e. exe seguido del comando “-f” que indica al programa que
indexe sobre el índice especifico .index (SWISH-Ebinarchivovirtual.index) y
seguido del comando “–w” con el termino a buscar
02/11/09 Pág. 22
a. Búsqueda con el término “José María de Cossío” y “ Foros de debate”
Se obtiene el siguiente resultado:
CRITERIO SWISH-E
No. De archivos arrojados 8
Tiempo de búsqueda 0 segundos
Tiempo de recorrido 0.016 segundos
02/11/09 Pág. 23
Se obtiene el siguiente resultado:
CRITERIO SWISH-E
Tiempo de búsqueda 0.015 seg.
0.62 seg.
Tiempo de recorrido
02/11/09 Pág. 24
b. Con el uso de operadores booleanos “(libro electrónico AND José

Antonio Millán) OR (saberes compartidos AND José Antonio Millán)”
Se obtiene:
CRITERIO SWISH-E
0.187 seg.
Tiempo de recorrido
c. En un término en otro idioma “Project dissemination”
Se obtiene:
CRITERIO SWISH-E
Tiempo de recorrido 0.110 seg.
02/11/09 Pág. 25
2.2Análisis de los resultados
Al realizar la primera búsqueda por José María de Cossío se obtuvo 8

resultados, para el caso del análisis se tomo el primer resultado y se realizó la
búsqueda dentro de la carpeta generada por Httrack, al ubicar el archivo se
activa con doble clic y se obtiene la segunda imagen.
Al analizar ésta imagen se puede observar que el criterio de búsqueda está

ubicado en la parte superior del sitio web, resaltado y en letra con mayor
tamaño, una vez obtenido esto se procede a abrir el código fuente del sitio,
obteniendo el siguiente resultado:
02/11/09 Pág. 26
Se puede observar que el término está encerrado entre etiquetas html ‹h1› y
‹/h1› que indican un encabezado de máximo tamaño.
De igual forma se observa en uno de los resultados de la segunda búsqueda

Foro de Debate que de igual manera está encerrado entre etiquetas html.
Se puede concluir que para el caso de sitios web la información se recupera de

acuerdo a las etiquetas que se estructuran en el, también se observan como
muchas de estas marcas direccionan imágenes con URL así:
02/11/09 Pág. 27
Cada una de las marcas o etiquetas son lo que conforman la estructura interna
de un sitio web.
3. Búsquedas con Google Custom Search
“Google Custom Search es un servicio que permite crear nuestro propio

buscador que contenga solamente las páginas que a nosotros nos interesan,
de forma que los resultados se ajustarán mucho más a nuestras necesidades.
Permite incluir uno o más sitios web, o páginas web específicas, búsqueda y
resultados en su propio sitio web y personalizar la apariencia de los resultados
correspondientes a su sitio de búsqueda. Proporciona resultados de búsqueda
rápidos y relevantes y busca automáticamente a través de vínculos,
marcadores o blogroll con Búsqueda personalizada sobre la marcha.”3
3.1 Instalación
Para el uso de la herramienta GCS es necesario conocer su funcionamiento y

desarrollo para ello se debe seguir los siguientes pasos:
• Ingresar a http://www.google.com/cse/, clic en Crear un motor de

búsqueda
3
GOOGLE CUSTOM SEARCH. [En línea - html]. [Consultado 2009-10-21]. Disponible en:
http://translate.google.com.co/translate?
hl=es&sl=en&u=http://www.google.com/cse/&ei=FwDvSrvRDsuztgeg9qgw&sa=X&oi=translate&ct=result&resnum=1&ve
d=0CAgQ7gEwAA&prev=/search%3Fq%3Dgoogle%2Bcustom%2Bsearch%26hl%3Des%26sa%3DG
02/11/09 Pág. 28
• Acceder con la cuenta de Google (Gmail) creada anteriormente, o para

caso contrario crearla.
02/11/09 Pág. 29
• Ahora se personaliza el sitio web
• Se agrega el sitio web donde se desea hacer las búsquedas.
Es importante resaltar que al ingresar la URL del sitio se tuvo en cuenta

la opción No. 2 de formatos de URL con el fin de que las búsquedas se
hicieran dentro de todas las páginas web que incluye el sitio. Para ello
se agrego así: www.archivovirtual.org/*
• Se escoge el tipo de edición que se desea y se aceptan todas las

condiciones del servicio. Clic en Siguiente
02/11/09 Pág. 30
• Ahora se pueden iniciar las búsquedas dentro del sitio web, clic en
Finalizar
02/11/09 Pág. 31
• Se crea automáticamente el motor de búsqueda con una interfaz propia.
3.2 Búsquedas de términos
• Con el término José María de Cossío se obtiene 6 resultado en 0.25

segundos, cada uno de los resultados muestra la ruta de la URL donde
se puede visualizar el contenido.
02/11/09 Pág. 32
Al dar clic sobre el primer resultado se obtiene lo siguiente:
Se observa que muestra la página web del sitio. Es importante resaltar que se
hizo la prueba de búsqueda suprimiendo las tildes y los resultados fueron los
mismos.
Ahora con el término Foros de Debate
02/11/09 Pág. 33
Se obtiene 24 resultados en 0.33 segundos, de la misma forma indica la URL

donde se ubica la página web.
Para la búsqueda booleana (libro electrónico AND José Antonio Millán)

OR (saberes compartidos AND José Antonio Millán) no se obtuvo
resultados
Se intentó la búsqueda con & (AND) y | (OR) y tampoco arrojó resultados
02/11/09 Pág. 34
Debido a esto se optó por desarrollar otros términos de búsqueda para probar
los resultados con GCS para ello se tomó el siguiente criterio de búsqueda
(entorno AND creación) OR (entorno AND virtual) se obtiene:
Se obtuvo 26 resultados en 0.19 segundos mostrando la URL de cada recurso
02/11/09 Pág. 35
Ahora con un término en otro idioma “Project dissemination”
Se obtuvo 2 resultados en 0.56 segundos mostrando la URL de ruta del

recurso.
4. Búsquedas con Windows Search
En primera medida se configura la indexación en WS para que el aplicativo solo

realice búsquedas dentro de la carpeta señalada.
Y luego se procede a realizar las búsquedas señaladas.
02/11/09 Pág. 36
Con el término José María de Cossío
Se obtuvo 10 resultados ordenados por relevancia, permitiendo visualizar al

lado derecho de la interfaz el sitio web donde se ubica el término y no aparece
término resaltado. Al ingresar a uno de los resultados se observa el listado de
opciones que hay en dicha opción.
Para el ejercicio se ingresa al Enlaces “Agencia Española de Cooperación

Internacional”
02/11/09 Pág. 37
En búsqueda se ingresa el nombre de interés “José María Cossío”
Los resultados de la búsqueda fueron 503, en los cuales se encuentran

resaltados los términos ingresados, pero el de nuestro interés no se encontró.
02/11/09 Pág. 38
En los resultados también se busco en noticias.htm, mostrando una noticia de

la búsqueda de nuestro interés, apareciendo en primer lugar.
02/11/09 Pág. 39
Al ingresar a la última opción “cossio_legado.htm” lo arrojado es lo encontrado

en la búsqueda anterior “noticias”
No aparece resaltado ningún término en este resultado.
02/11/09 Pág. 40
Peso de los resultados generados:
Nombre Idioma Peso Kb

open_public
(2).html Ingles 44
open_public.html Español 44
partici01 (2).htm Ingles 16
partici01.htm Español 20
directorio (2).htm Ingles 16
directorio.htm Español 20
enlaces_inst
(2).htm Ingles 26
enlaces_inst.htm Español 24
noticias.htm Español 20
cossio_legado.htm Español 9
Ahora con el término “Foros de debate”
Arroja 29 resultados ordenados con la misma relevancia y mostrando al lado

derecho el contenido de documento señalado
02/11/09 Pág. 41
Elige p2.html
No hay palabras resaltadas
02/11/09 Pág. 42
El las opciones de “reply” se presenta resultados de “La Edad de Plata” con

diferentes solicitudes
02/11/09 Pág. 43
02/11/09 Pág. 44
02/11/09 Pág. 45
Cada “reply” presenta un tema para ser compartido y comentado según

formulario que aparece al final de cada resultado.
No hay palabras resaltadas.
Al ingresar a noticias nos arroja el mismo resultado de bùsqueda simple por

nombre.
02/11/09 Pág. 46
Peso total índice generado

1
open_pub_detallefd0f (2) Ingles 16
2
p2 Español 28
3
open_pub_detallefd0f Español 16
4 8
reply5502 Español
5
replyeff0 Español 12
6
reply9c62 Español 12
7
reply5f1d Español 12
8
reply9b68 Español 12
9
reply7e4a Español 12
10reply788f Español 12
reply2ee4
11 Español 12
12reply1033 Español 12
8
13searche5b4 Español
14ponentes (5) Español 24
15programa (4) Español 16
16programa (3) Español 20
17readForum9945 Español 56
8
18
confHomepagee5b4 Español
8
19homepage Español
8
20search Español
8
21anonLogins Español
22foro1 (2) Ingles 12
23foro2 Español 24
24foro1 Español 16
25ayuda_foro Español 12
26busqueda Español 16
27noticias Español 20
28noticias (2) Ingles 16
29ayuda_foro (2) Ingles 12
TOTAL KB 448
02/11/09 Pág. 47
Ahora con la búsqueda booleana “(libro electrónico AND José Antonio

Millán) OR (saberes compartidos AND José Antonio Millán)”
Resultados obtenidos 6
Ingresando al primer resultado nos permite obtener dirección de contacto de

personajes que participan en un seminario tema Libro Electrónico.
Al ingresar al p4 (5) nos presenta un texto sobre el tema “Libro Electrónico” y

en su contenido sale resaltado en azul el nombre de nuestra búsqueda” “José
Antonio Millán
02/11/09 Pág. 48
Ingresando al último resultado arrojado “Libro electrónico” que esta destacado

con ***, “José Antonio Millán” es el coordinador de dicho evento
02/11/09 Pág. 49
Nombre
1 ponentes (
2 programa (
3 ponentes (
4 redes
5 p4 (5)
02/11/09
6 libroelectroPág. 50
Con el término en otro idioma “Project dissemination”
El resultado para esta búsqueda fue de 2 archivos, ordenados por relevancia y

mostrando su contenido al lado derecho de la interfaz
02/11/09 Pág. 51

ponentes
1 (2) Español 32
2 proyecto Español 28
TOTAL
KB 60
5. Búsquedas con DigidocIndex
5.1 Definición
“El Laboratorio Digital es un apartado del aula digital del Máster Online en
Documentación Digital formado por tres instrumentos. Permitan mejorar el
diseño de navegación y la recuperación de la información de una sede Web.
• DigiDocMap para la creación de mapas conceptuales

• DigiDocMenu para crear menús desplegables
•DigiDocIndex un indexador y generador de buscadores locales
personalizados.
Se trata de tres productos desarrollados por el Grupo de Investigación DigiDoc

(IULA-UPF) en el contexto del proyecto HUM2004-03162/FILO financiado por
el Ministerio de Educación y Cultura (Plan Nacional I+D+I). Son tres
herramientas freeware de utilidad para documentalistas, bibliotecarios,
archiveros, creadores de sitios web y profesionales innovadores de la cultura
digital en general.
Estas herramientas funcionan mediante formularios. El resultado final es una

página HTML o un fragmento de código javascript que podrá ser descargado e
integrado en cualquier sede Web. Para usar estos servicios no se requieren
conocimientos de programación. Las tres aplicaciones pueden usarse de dos
formas con idénticas prestaciones:
• Como servicios de Internet de libre acceso accediendo a las correspondientes

direcciones y usando online los programas sin necesidad de ninguna
instalación.
• Como aplicaciones freeware instalando las aplicaciones en el disco local para
usarlas sin conexión a Internet.”4
4
UNIVERSITAT POMPEU FABRA. Laboratorio digital. [En línea - html]. [Consultado 2009-10-21]. Disponible en:
http://www.documentaciondigital.org/laboratorio.htm
02/11/09 Pág. 52
5.2Instalación
• Primero se ingresa a http://sisinfo.lasalle.edu.co/original/sri/Software/,

clic en Digidocindex.
• Clic en Run para iniciar la ejecución
02/11/09 Pág. 53
• Clic en Unzip para descomprimir toda la carpeta
• Se crea la carpeta C:/digidocindex/ que contiene algunos ficheros.
02/11/09 Pág. 54
• Para iniciar las búsquedas se ejecuta el ícono index.htm, aparece la

siguiente interfaz
02/11/09 Pág. 55
• Clic en Ejecutar
• Automáticamente se activa la interfaz para ingresar el sitio web donde se

generará las búsquedas, y se indica la carpeta de destino donde se
desea guardar los archivos generados. Clic en Aceptar
02/11/09 Pág. 56
• Inicia el proceso de generaciòn del buscador
• Una vez generado indica todos los archivos descargados que para tal
caso fueron localizados en C:/temp, clic en Aceptar
02/11/09 Pág. 57
• Se abre la carpeta C:/temp y muestra una caperta comprimida con

los archivos
• Se procede a descomprimir la carpeta para generar los archivos
02/11/09 Pág. 58
• Una vez descomprimida se activa un archivo .html con el nombre de

buscador, doble clic sobre el mismo.
• Automáticamente se activa el buscador, en caso contrario tener en

cuenta la actualización o descarga de Java. Véase:
http://www.java.com/es/download/
02/11/09 Pág. 59
Ahora se puede proceder a realizar las búsquedas pertinentes.
02/11/09 Pág. 60
5.3 Búsquedas
• Realizando la búsqueda por el término José María de Cossío se

obtiene:
Se obtuvo 8 resultados de 750 páginas ordenados por relevancia, al dar clic

sobre “+ información” muestra el documento separado por las etiquetas de
recuperación señaladas anteriormente en la búsqueda, que van ligadas con la
estructura html del sitio web. Además muestra la URL donde se puede
visualizar el resultado.
02/11/09 Pág. 61
02/11/09 Pág. 62
Con el término Foros de Debate
02/11/09 Pág. 63
Se obtiene 2 resultados de 750 páginas buscadas ordenados por relevancia, de

igual forma permite ver el documento segmentada por los campos de búsqueda
y visualizarlo a través de la URL
02/11/09 Pág. 64
Con el término booleano “(libro electrónico AND José Antonio Millán) OR

(saberes compartidos AND José Antonio Millán)”
Por ser un término con la combinación de 2 ecuaciones booleanas, Digidoc

permite separarlas por medio del término booleano a usar, para éste caso OR
Además según la ayuda y estructura del Software los booleanos válidos son
&=AND, | = OR
Se observa como dentro de los resultados de las búsquedas Digidoc resalta

el/los términos recuperados en rojo para una mejor visualización
02/11/09 Pág. 65
02/11/09 Pág. 66
Con el término en otro idioma Project Dissemination
02/11/09 Pág. 67
Se obtiene 2 resultados ordenados por relevancia de 750 páginas buscadas, de

igual forma se pude visualizar el resultado por la URL o + Información
señalando los campos a recuperar.
6. Análisis de resultados obtenidos en las diferentes herramientas
Para el análisis de los resultados se tuvo en cuenta la posición de los mismos y

la generación de coincidencias o no, en el nombre de los resultados.
Para ello se generó una serie de tablas en Excel que indican la posición de
cada resultado, distinguido con colores iguales con el fin de evaluar su
posición.
02/11/09 Pág. 68
• Para el término de búsqueda José María de Cossío se obtuvo lo

siguiente:
TERMIN
O No. SWISH-E GCS WS DigidocIndex
cossio_legado.ht
1 m cossio_legado.htm open_public.html (2) directorio.htm
José María de Cossío
2 noticias.htm noticias.htm open_public.html noticias.htm

3 directorio.htm directorio.htm directorio(2).htm participi01.htm
2 directorio(2).htm enlaces_inst.htm participi01.htm enlaces_inst.htm
cossio_legado.ht
5 participi01.htm open_public.html directorio(2).htm m
participi01.htm open_public.html
6 (2) (2) directorio.htm directorio(2).htm
participi01.htm
7 enlaces_inst.htm enlaces_inst.htm (2)
enlaces_inst.htm enlaces_inst.htm
8 (2) enlaces_inst.htm (2) (2)
9 noticias.htm
10 cossio_legado.htm
Se observa la posición de cada resultado de búsqueda para el caso de

cossio_legado.htm se distingue que en Swish-E y GCS se mantiene en el
mismo lugar mientras en WS y Digidoc establecen otra posición. Muchos
términos mantienen la misma posición dentro de los diferentes aplicativos.
Además al comparar la cantidad de resultados obtenidos en las 4 herramientas
se concluye que GCS fue la que menos recuperó información.
• Para el término Foros de Debate
TERMIN DigidocInd
O No. SWISH-E GCS WS ex
readforum9945. open_pub_detallefd0f
1 html foro1.htm (2).htm foro1.htm
Foros de Debate
2 reply9b68.html noticias.htm p2.html noticias.htm

open_pub_detallefd0f.ht
3 reply7e4a.html homepage.html m
2 reply1033.html p2.html reply5502.html
5 replyeff0.html readforum9945.html replyeff0.html
6 reply2ee4.html anonLogins.html reply9c62.html
7 reply9c62.html searche5b4.html reply5f1d.hmtl
confHomepagee5b4.
8 reply5f1d.hmtl html reply9b68.html
9 reply788f.html reply2ee4.html reply7e4a.html
02/11/09 Pág. 69
10 foro2.htm reply5f1d.html reply788f.html
Se observa que la gran mayoría de posiciones no mantienen igualdad a

excepción de
foro1.htm que mantiene la misma posición en WS
y Digidoc , además los resultados en WS y Swish-e coinciden en su gran
mayoría los cuales corresponden a formularios desarrollados dentro del sitio
web. Los términos en fondo blanco son los únicos que no coincide dentro de
las demás herramientas
• Para el término en estructura booleana (libro electrónico AND José

Antonio Millán) OR (saberes compartidos AND José Antonio Millán)
TERMIN
(libro electrónico AND José Antonio
1 p4 (5).htm libroelectronico.htm redes.htm

Millán) OR (saberes compartidos
libroelectronico. libroelectronico.ht
2 htm ponentes (6).html m
AND José Antonio Millán)
3 redes.htm programa (6).html ponentes (2).html

programa programa
2 (6).html ponentes (2).html (6).html
ponentes
5 (2).html redes.htm p4 (5).htm
javier_candeira.p No arrojó
6 df resultados p4 (5).htm
8
9
10
Se analiza que los resultados en Swish-e, WS y DIgidoc son los mismos en su

mayoría, las únicas posiciones que coinciden están dadas en Swish-e y Digidoc
con los documentos
libroelectronico.htm
programa (6).html
y . El término
en fondo blanco es el único que no coincide dentro de las demás herramientas
Como en GCS no arrojó alguna búsqueda con el termino anterior con

estructura booleana, se determinó realizar otra búsqueda que generara
resultados con el fin de comprobar que la herramienta si busca sobre estructura
booleana. Para ello se tuvo en cuenta el siguiente criterio de búsqueda
(entorno AND creación) OR (entorno AND virtual), obteniendo los siguientes
02/11/09 Pág. 70
resultados, se observa que la mayoría de resultados hacen parte de

extensión .htm y .html pero hay 3 archivos que corresponden a .pdf.
TERMIN
(entorno AND creación) OR
1 creacion.htm
2 p3.htm
(entorno AND virtual)
3 p6.htm
2 noticias.htm
5 CAPITULO9.pdf
6 open_public.html
7 No se realizaron CAPITULO7.pdf No se realizaron No se realizaron
búsquedas open_pub_detalle.ht búsquedas búsquedas
8 m
open_pub_detalle
9 (2).htm
10 CAPITULO1.pdf
• Con el término en otro idioma Project dissemination se obtuvo:
TERMIN
1 proyecto.htm proyecto.htm proyecto.htm ponentes.htm
2 ponentes.htm ponentes.htm ponentes.htm proyecto.htm
dissemination
3
2
Project
5
6
7
8
9
10
02/11/09 Pág. 71
Se observa los mismos resultados en la misma posición para las herramientas

Swish-e, GCS y WS, para el caso de Digidoc recuperó los mismos resultados
pero en diferente posición
7. Síntesis funcional de las herramientas y tracking
Cada una de las herramientas posee ventajas y desventajas que las hace
características y distintas de otras.
• Para el caso de Swish-e se concluye que indiza una colección de forma

rápida, arrojando resultados de cantidad de archivos, duración, tiempo
de recorrido, y tamaño del índice.
Después de realizar el archivo de configuración las búsquedas se

realizan muy rápido, ordenándolas por relevancia y permitiendo
distinguir el nombre del archivo al final de la ruta de ubicación. Para
cada búsqueda indica cuantos archivos se generaron y el tiempo de
recorrido.
Permite indizar una colección de documentos diferentes a texto por

medio del archivo de configuración y las herramientas de conversión,
además no distingue mayúsculas de minúsculas, tildes, paréntesis o
comillas
• Para el caso de GCS se puede rescatar que es un aplicativo fácil de

instalar y que permite crear buscadores locales para determinado sitios
web, de manera que sea más rápida la recuperación de información,
GCS muestra la cantidad de resultados obtenidos y el tiempo que se
demoró en generarlos, además muestra la ruta de la URL de ubicación
de los resultados, algo importante para destacar es que el término
buscado aparece en negrilla dentro del contenido de cada resultado.
• Para el caso de Windows Search se destaca que su indización actúa de

una manera rápida aproximadamente 10 minutos por el tipo de
colección, además permite visualizar las búsquedas en orden de
relevancia, y muestra hacia el lado derecho de la interfaz el contenido de
cada resultado. Además no hace distinción entre mayúsculas o
minúsculas al igual que tildes.
• Para DigidocIndex su instalación se realiza de manera fácil y rápida, en

la generación del buscador se demora un tiempo aproximado de 10
minutos. Las búsquedas permite que se discrimine el título, autor,
keywords, description o texto de página, donde cada uno de éstos
corresponde a la secuencia de etiquetas html que indica cada estructura
de un sitio web que corresponden a los MetaNames. Además posee de
interfaces de búsqueda la simple y la avanzada que permite combinar
02/11/09 Pág. 72
operadores booleanos y caracteres de proximidad. Otro aspecto

destacable es que la estructura interna del Software permite organizar
por relevancia los resultados calculada en función de la frecuencia de los
términos de la ecuación de búsqueda. Permite visualizar el documento
por medio de la URL
Con respecto al tracking que muestra cada una de las interfaces de búsqueda
de los diferentes herramientas muestra que siempre los resultados son
mostrados al lado izquierdo de la interfaz y para poderlos leer de arriba hacia
abajo, esto quiere decir que todo está centralizado en un solo lugar.
Al realizar las búsquedas en Google, Yahoo (México) y Bing con el término

“Archivo Virtual de la Edad de Plata” entre comillas para delimitar la
búsqueda exacta se obtuvo los siguientes resultados:
TERMIN
O Google Bing Yahoo MX
Archivo Virtual de la
Edad de Plata
41.400 15.000.000 4.570
• En Google se muestra los siguientes resultados:
02/11/09 Pág. 73
Se observa que en Google se recupera en primera posición el sitio web del

archivo virtual y las otras 2 posiciones siguientes hacen referencia al mismo
sitio.
• En Bing se muestra los siguientes resultados:
02/11/09 Pág. 74
Se observa que recupera una cantidad exagerada en comparación con los

otros buscadores, además dentro de las primeras 10 posiciones no recupera el
sitio oficial del archivo virtual, sino hace referencia en la posición 1 y 3 a sitios
relacionados o incluyentes dentro de la página principal.
• En Yahoo se muestra los siguientes resultados:
02/11/09 Pág. 75
Se observa que recupera una cantidad de resultados más razonables,

además en segunda posición aparece la página oficial del archivo virtual.
En conclusión dentro de los 3 buscadores más usados, se puede observar

que Google para éste caso ocuparía la primera posición por recuperar más
documentos, es decir indiza muchos más recursos, aunque Bing recupera
más cantidad al hacer el análisis de los resultados obtenidos se encuentra
documentos que no tienes relación con el término buscado. Yahoo ocuparía
el segundo lugar porque recupera información más relevante dentro de su
indización. Aunque maneja menor cantidad de resultados se obtiene
claridad en los mismos.
8. Análisis del sitio web
Para el análisis del sitio web es necesario inspeccionarlo y recorrerlo por cada
uno de sus enlaces para ofrecer un criterio interno y externo del sitio.
En calidad de criterio interno se puede observar que las palabras claves están
organizadas en un sumario, donde cada una permite desplegar diferentes
contenidos interfaz tras interfaz.
02/11/09 Pág. 76
El orden de las palabras está organizado de forma numérica. El contenido de la

web se muestra de manera fresca, sin tanto contenido que suture la vista,
muestra colores suaves y aceptables, con imágenes en excelente resolución.
El contenido lo muestra en letra adecuada y además de manera breve con el

fin que sea más entendible, cada una de las interfaces muestra enlaces que
enrutan a otra dirección web con extensión .html y .htm.
La estructura del código fuente del sitio web esta dado por etiquetas o tags html
02/11/09 Pág. 77
Dentro del código fuente se observa los enlaces que contiene el sitio web
02/11/09 Pág. 78
CONCLUSIONES
Con el debido uso de estas herramientas la tarea del bibliotecólogo, archivista

o administración de información se hace más fácil para alcanzar el objetivo de
nuestra profesión, satisfacer las necesidades de información del usuario, las
cuales nos generan búsquedas rápidas y relevantes, pero al mismo tiempo nos
permiten tener elementos suficientes para que nuestra tarea tenga una
retribución bastante onerosa y así permitir que nuestra profesión sea valorada
cada vez más, lo cual depende de nosotros facilitando al usuario información
veraz, certera pues quien tiene la información tiene el poder, se dice
popularmente.
Los grandes beneficios de la utilización de estas herramientas no son solo

determinados por los resultados al servicio del usuario, es preciso tomar
conciencia del uso de éstas para un mejor posicionamiento como
profesionales.
02/11/09 Pág. 79
REFERENCIAS
• ARCHIVO VIRTUAL. El proyecto. [En línea - html]. [Consultado 2009-

10-25]. Disponible en:
http://www.archivovirtual.org/proyecto/proyecto.htm
• GOOGLE CUSTOM SEARCH. [En línea - html]. [Consultado 2009-10-

21]. Disponible en: http://translate.google.com.co/translate?
hl=es&sl=en&u=http://www.google.com/cse/&ei=FwDvSrvRDsuztgeg9qg
w&sa=X&oi=translate&ct=result&resnum=1&ved=0CAgQ7gEwAA&prev=
/search%3Fq%3Dgoogle%2Bcustom%2Bsearch%26hl%3Des%26sa
%3DG
• GÓMEZ DUEÑAS, Laureano Felipe. Sistemas de indización y

recuperación de la información digital. Bogotá: Universidad de la Salle,
2009. 59 p. [En línea - pdf].
• SWISH-E. [En línea - html]. [Consultado 2009-10-21]. Disponible en:

http://swish-e.org/
• UNIVERSITAT POMPEU FABRA. Laboratorio digital. [En línea - html].

[Consultado 2009-10-21]. Disponible en:
http://www.documentaciondigital.org/laboratorio.htm
• WIKILIBROS. [En línea - html]. [Consultado 2009-10-21]. Disponible en:

http://es.wikibooks.org/wiki/HTTrack
02/11/09 Pág. 80
GLOSARIO
Indización5: Es la técnica del análisis documental que permite representar y

describir el contenido de los documentos, por medio de conceptos principales
contenidos en ellos (palabras clave) o vocabularios controlados (descriptores,
términos o encabezamientos de materia), con el fin de guiar al usuario en la
recuperación de los documentos que necesita
Elaborar índices o estructuras de acceso a los documentos (representación

alterna) a partir de las palabras (términos) que contiene.
Ruta de Ubicación: 6 Para la mayoría de los sistemas operativos y sistemas de

archivos se puede expresar en forma relativa o en forma absoluta una ruta :
• Rutas absolutas marcan la ubicación de un archivo o directorio desde

el directorio raíz del sistema de archivos.
• Rutas relativas marcan la ubicación de un archivo o directorio a partir
de la posición actual del sistema operativo en el sistema de archivos
Operadores booleanos7 Son los términos (AND, NOT, OR, XOR) que ayudan
a localizar registros que contienen los términos concurrente en uno de los
campos especificados o en todos los campos especificados. Se utilizan para
conectar palabras o frases entre más de un campo de texto, o para conectar
palabras o frases dentro de un campo de texto.
• AND localiza registros que contengan todos los términos de búsqueda

especificados.
• OR localiza registros que contengan cualquiera o todos los términos

especificados.
• NOT localiza registros que contengan el primer término de búsqueda

pero no el segundo.
•
• XOR (o exclusivo) localiza registros que contengan cualquiera de los
términos especificados pero no todos los términos especificados.
Relevancia8 según el Diccionario de la RAE, significa “cualidad o condición de

relevante, importancia, significación”, y el término “relevante” se define como
“sobresaliente, destacado, importante o significativo”. Por lo tanto entendemos,
que el documento recuperado se considera relevante cuando el contenido del
5
GALEON. [En línea - html]. Disponible en: http://www.galeon.com/indizacion/indizacion.html
6
WIKIPEDIA. [En línea - html]. Disponible en: http://es.wikipedia.org/wiki/Ruta_(inform%C3%A1tica)
7
DOSEI. [En línea - html]. Disponible en: http://dosei.who.int/iBistro_helps/Spanish/tip7102.html
8
IRSWEB. [En línea - html]. Disponible en: http://irsweb.blogspot.com/2004/10/relevancia-o-pertinencia.html
02/11/09 Pág. 81
mismo posee alguna significación o importancia con motivo de la pregunta

realizada por el usuario, es decir, con su necesidad de información.
Un término es relevante cuando aparece muchas veces en un documento.

Cuando aparece muchas veces en todos los documentos de la colección son
palabras vacías.
Configuración9: un conjunto de datos que determina el valor de algunas

variables de un programa o sistema de sw., dichas opciones son cargadas
generalmente en su inicio. En algunos casos se deberá reiniciar para poder ver
los cambios, debido a que el programa no podrá cargarlos mientras se ejecuta.
Personalizada, definida por el usuario. Predeterminada, el programa o sistema
cargara la configuración por defecto.
Ejecutable:10 archivo binario cuyo contenido se interpreta por el computador

como un programa. Contiene instrucciones en código máquina de un
procesador concreto, pero también puede contener bytecode el cual requiere
de un interprete para su ejecución.
9
WIKIPEDIA. [En línea - html]. Disponible en: http://es.wikipedia.org/wiki/Configuraci%C3%B3n_(inform%C3%A1tica)
10
WIKIPEDIA. [En línea - html]. Disponible en: http://es.wikipedia.org/wiki/Ejecutable
02/11/09 Pág. 82
APENDICES
• Directorio de los Software requeridos
• Contenido generado dentro de C:\SWISH-E\bin
02/11/09 Pág. 83
REVISIÓN DEL INFORME/TRABAJO

< Nota: cada evaluador debe rellenar su propia plantilla>
ASIGNATURA:
EVALUADOR:
FECHA DE EVALUACIÓN: <Fecha normalizada ISO AAAA-MM-DD>
CALIFICACIÓN:
PUBLICAR EN EL REPOSITORIO: <Indique la posibilidad de publicar este
documento para acceso público.>
NOTAS ADICIONALES:
NOTAS DE EVALUACIÓN:
<La evaluación de todo documento académico debe estar sustentada para
llevar un mejor control de los mismos y servir como soporte en el momento de
alguna queja ó reclamo, se sugiere contemplar como mínimo los ítem
expuestos a continuación:>
1. ¿El documento es consistente, su argumentación es clara? ¿Se respetan

los derechos de autor?
2. ¿La fundamentación de informe/trabajo es sólida? (es decir se basa en

datos precisos, documentos, hechos comprobados, etc.)
3. ¿Las conclusiones son coercitivas al desarrollo del informe/trabajo?
4. Señale posibles recomendaciones generales y áreas futuras de trabajo e

investigación a partir de este informe/trabajo.
02/11/09 Pág. 84
LICENCIA DE ESTE DOCUMENTO
Reconocimiento 2.5
Usted es libre de:
• copiar, distribuir y comunicar públicamente la obra

• hacer obras derivadas
• hacer un uso comercial de esta obra
Bajo las condiciones siguientes:
• Reconocimiento. Debe reconocer los créditos de la obra de la manera

especificada por el autor o el licenciador.
• Al reutilizar o distribuir la obra, tiene que dejar bien claro los términos de
licencia de esta obra.
• Alguna de estas condiciones puede no aplicarse si se obtiene el permiso
del titular de los derechos de autor
Los derechos derivados de usos legítimos u otras limitaciones

reconocidas por ley no se ven afectados por lo anterior.
Esto es un resumen fácilmente legible del texto legal (la licencia completa).
02/11/09 Pág. 85

Tutoria 3 Final

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tutoria 3 Final

Diunggah oleh

Hak Cipta:

Format Tersedia

Facultad de Sistemas de Información y Documentación

ASIGNATURA: Recuperación de Información

1. Instalar y configurar HTTRACK como herramienta Spider para análisis

Este documento contiene un manual de instalación y configuración de la

El desarrollo de las tutorías pasadas y la interpretación del concepto de

Con la utilización de diferentes sistemas de recuperación de información, como

Otra herramienta utilizada es HTTrack, un software libre, que permite

directorios, consiguiendo HTML, imágenes y otros archivos desde el servidor al

Swish-e “Simple Web Indexing System for Humans Enhanced” manejada a

Windows Search sistema de búsqueda instantánea, arroja resultados de

A continuación se presenta el desarrollo del trabajo y la sustentación de las

“HTTrack es una aplicación informática de Software libre con licencia GPL,

Para la instalación en Windows es necesario seguir los siguientes pasos:

a. Ingresar a http://sisinfo.lasalle.edu.co/original/sri/Software/, clic en

d. Clic en I Accept the agreement, para aceptar las condiciones de la

e. Seleccionar el destino de descarga y clic en Next

f. Seleccionar el nombre de la carpeta de menú, clic en Next

k. Se activa automáticamente un cuadro de diálogo que permite escoger el

l. Clic en Siguiente para iniciar el proceso de descarga de un sitio web

m. Escoger nombre del proyecto y la ruta de ubicación donde se realizará

n. Se selecciona la acción a realizar para éste caso “Copiar sitios de la

p. Se inicia el volcado de la información

q. Una vez terminado el proceso se genera en la ruta C: Mis Sitios web, la

r. La carpeta que se tendrá en cuenta para el análisis de los resultados con

s. Allí se encontrará una variedad de carpetas descargadas que

Es importante resaltar los siguientes datos:

Tiempo de descarga 7 horas

Tamaño de la carpeta generada 15.7 MB 1402 archivos,

El sitio web descargado corresponde a una Unidad de Información llamada

Dentro de los archivos obtenidos se puede determinar las siguientes

• Archivos con extensión .html y .htm que corresponden a sitios

• Archivos .gif que corresponden a las imágenes contenidas dentro

• Archivos .jpg que corresponden a imágenes del sitio web

• Archivos .doc que contiene formularios o archivos adjuntos dentro

• Archivos .pdf con algunos artículos interesantes que desarrollan

Una vez realizado el análisis se determinaron los siguientes criterios de

• José María de Cossío

• (libro electrónico AND José Antonio Millán) OR (saberes

2. Indización y Búsquedas con Swish-e

Para indizar en Swish-e una colección diferente a .txt es necesario crear un

a. Abrir Bloc de Notas para escribir los parámetros

• IndexFile: Establece la ruta de la ubicación donde quedará el índice de

• IndexDir: Establece la ruta del directorio que se va a indizar

• IndexOnly: Se establece el tipo de extensión que contiene los archivos

• TranslateCharacters: Permite establecer que se tenga o no en cuenta

• IgnoreWords: Previamente se crea un archivo que contiene palabras

• File Filter: Parámetros de aplicación de programas que transforman

• WordCharacters: Indica cuales son los caracteres indizables

• IndexContents: Indica los archivos que se deben incluir en el índice

• NoContents: Indica los archivos que no se deben incluir en el índice

• DefaultContents: Indica que los contenidos por defecto

• FollowSymLinks: Indica los enlaces del sitio web

• StoreDescription: Indica cuantas letras deseo que almacene en el

• ConvertHTMLEntities: Convierte caracteres como & en indizables

• MetaNames: Indica las etiquetas de la estructura que se desea incluir en

• UndefinedMetaTags: Indica que no índice otras etiquetas

c. El archivo de configuración se guarda en C:Swish-e/bin

Ya creado el archivo de configuración, por medio de la consola se comandos

a. Se abre la consola de comandos, y se procede a ubicar la carpeta de la

b. Una vez indizado se obtiene el siguiente resultado:

f. . Una vez generado el índice se crea automáticamente dos archivos en bin

2.1 Búsquedas de términos

Para hacer la búsqueda en una colección con archivo de configuración se

a. Búsqueda con el término “José María de Cossío” y “ Foros de debate”