💻 TechMatch - Sistema de Comparación de Hardware

TechMatch es una plataforma integral de comparación de hardware que permite a los usuarios encontrar y comparar componentes de PC y laptops. El sistema utiliza bots de web scraping para extraer automáticamente especificaciones técnicas desde las páginas oficiales de los fabricantes y precios actualizados desde tiendas online reconocidas.

🚀 Características Principales

• Catálogo Automatizado: Mantenimiento automático de productos, especificaciones y precios mediante web scraping.
• Comparador Inteligente: Herramienta de comparación de hardware basada en perfiles de uso.
• Gestión de Usuarios: Registro, autenticación y sistema de favoritos/comparaciones guardadas.
• Arquitectura Modular: Separación clara entre el motor de extracción de datos (Scrapers), la API de negocio (Backend) y la interfaz de usuario (Frontend).

---

🏗️ Arquitectura del Sistema

El proyecto está diseñado bajo un enfoque modular, dividiendo las responsabilidades en distintas capas:

1. Frontend (Cliente)

Desarrollado en PHP, HTML, CSS y JavaScript. Se encarga de la interfaz de usuario, interactuando de forma dinámica con la API REST del backend para mostrar el catálogo, el comparador y gestionar las sesiones de los usuarios.

2. Backend (API REST)

Desarrollado en Python con Flask. Expone los endpoints necesarios para el frontend. Implementa una arquitectura en capas:

• Controladores (App): Manejo de rutas y peticiones HTTP (app.py).
• Servicios: Lógica de negocio y procesamiento de datos.
• DAO (Data Access Object): Capa exclusiva para la comunicación segura con la base de datos MySQL (producto_dao.py, usuario_dao.py, etc.).
• Modelos: Representación orientada a objetos de las entidades (Productos, Laptops, CPUs, Usuarios).

3. Motor de Scraping (Bots)

Un conjunto de scripts automatizados en Python (utilizando Selenium y BeautifulSoup) orquestados por run_bots.py.

• Scrapers de Especificaciones: Extraen datos técnicos de sitios oficiales (ej. ASUS, Lenovo, AMD, Intel).
• Scrapers de Retailers: Extraen precios y disponibilidad de tiendas online (ej. MercadoLibre, Compra Gamer).

4. Base de Datos

Base de datos relacional MySQL centralizada. Almacena de manera estructurada las relaciones entre productos, categorías, marcas, perfiles de uso, tiendas y especificaciones técnicas.

---

🛠️ Tecnologías Utilizadas

• Frontend: PHP, HTML5, CSS3, JavaScript.
• Backend: Python 3.x, Flask, Flask-CORS.
• Scraping: Selenium WebDriver, BeautifulSoup4, Requests, lxml.
• Base de Datos: MySQL (Conector: mysql-connector-python).
• Seguridad: bcrypt para el hasheo de contraseñas.

---

📂 Estructura del Proyecto

/
├── backend/                  # API REST y Motor de Scraping
│   ├── app.py                # Punto de entrada de la API Flask
│   ├── config.py             # Configuraciones del sistema y BD
│   ├── run_bots.py           # Orquestador del motor de scraping
│   ├── Requerimientos.txt    # Dependencias de Python
│   ├── dao/                  # Data Access Objects (Capa de Base de Datos)
│   ├── database/             # Conexión a MySQL (Patrón Singleton)
│   ├── modelos/              # Clases de dominio (Producto, Laptop, Usuario, etc.)
│   ├── scrapers/             # Scripts de extracción de datos (Bots)
│   └── servicios/            # Lógica de negocio (Auth, Comparaciones, etc.)
├── frontend/                 # Interfaz de Usuario en PHP
│   ├── index.php / etc.      # Vistas y lógica de presentación
│   ├── assets/               # Recursos estáticos (CSS, JS, Imágenes)
│   └── componentes/          # Componentes reutilizables de UI
└── sql/                      # Scripts de base de datos

---

⚙️ Configuración e Instalación

Requisitos Previos

• Servidor Web para PHP (ej. Laragon, XAMPP).
• Python 3.8 o superior.
• MySQL Server.
• Navegador Chrome (para Selenium).

Instalación del Backend y Bots

1. Navegar al directorio backend:

   cd backend

2. Crear un entorno virtual e instalar las dependencias:

   python -m venv venv
   source venv/bin/activate  # En Windows: venv\Scripts\activate
   pip install -r Requerimientos.txt

3. Configurar las variables de entorno o editar config.py con las credenciales de la base de datos.
4. Iniciar el servidor Flask:

   python app.py

Instalación del Frontend

1. Colocar el contenido de la carpeta frontend en el directorio público del servidor web (ej. www en Laragon o htdocs en XAMPP).
2. Asegurarse de que las llamadas a la API en JS apunten a la URL correcta del backend (por defecto http://localhost:5000/api/).

---

🤖 Ejecución del Motor de Scraping

Para actualizar el catálogo con los últimos productos y precios, ejecutar el orquestador de bots:

cd backend
python run_bots.py

Este script ejecutará secuencialmente:

1. Bots de Retailers: Actualización de precios desde tiendas.
2. Bots de Fabricantes (Laptops): Extracción de specs de equipos completos.
3. Bots de Fabricantes (Componentes): Extracción de specs de piezas individuales (CPUs, etc.).

---

📡 Endpoints de la API Principal

• POST /api/register: Registro de nuevos usuarios.
• POST /api/login: Autenticación de usuarios.
• GET /api/productos: Obtener el catálogo filtrado (soporta parámetros categoria, perfil, busqueda).
• GET /api/comparar: Comparar dos productos (requiere idA, idB y perfil).