Как парсить данные с Bones Coffee с помощью Python

Добро пожаловать снова.... Здесь, в компании Bones Coffee, кофе - это не просто напиток, который разбудит вас утром, это настоящий опыт. Когда вы завариваете чашку кофе Bones, мы будем использовать Python, поэтому, если у вас нет опыта работы с Python, я рекомендую освежить свои знания по этому языку.

Как всегда, перед парсингом веб-сайта нам нужно определить, какие конкретные данные нам нужно получить. После просмотра страницы я автоматически увидел множество разных данных, которые мы можем получить. В этом проекте мы будем парсить название продукта, ссылку на продукт и цену продуктов в Bones Coffee.

Давайте начнем!

Основное введение, которое вы, вероятно, можете пропустить

Прежде всего, нам понадобится установить Python, убедитесь, что у вас установлен Python и какая-то среда разработки. Selenium pro - это пакет для парсинга веб-сайтов, который позволяет нам имитировать веб-браузер с помощью Python. Возможно, стоит более подробно изучить парсинг веб-сайтов. Пакет Selenium pro - https://pypi.org/project/selenium-pro/

pip install selenium-pro

Установка расширения

Загрузите Selenium Auto Code Generator из Chrome Web Store. Вместо копирования и вставки xpath, это инструмент поможет и упростит процесс, избегая необходимости копирования и вставки. Загрузить отсюда - https://chrome.google.com/webstore/detail/selenium-auto-code-genera/ocimgcpcnobcnmclomhhmjidgoiekeaf/related

Начнем!

Теперь, когда у нас настроена среда Python, давайте откроем пустой скрипт Python. Давайте импортируем пакет Selenium pro, который вы, надеюсь, предварительно установили в предыдущем абзаце (просто выполните pip install selenium-pro). После установки импортируйте следующие пакеты:

from selenium_pro import webdriver
import time
from selenium_pro.webdriver.common.keys import Keys

Мы используем браузер Google Chrome в качестве нашего графического интерфейса, но вы можете использовать другие браузеры в Selenium pro, если хотите использовать другой браузер, пожалуйста, используйте его! Убедитесь, что соответствующий браузер установлен на вашем компьютере.

Теперь, внутри Selenium pro, нам нужно определить наш веб-браузер, поэтому давайте сделаем это с помощью следующей строки кода:

driver = webdriver.Start()

Я рекомендую запустить весь ваш код до этого момента и проверить, успешно ли он выполняется. Если да, то вы практически готовы продолжать!

Bones Coffee Pipeline

Далее - самая интересная часть. Нажмите на расширение DK, которое мы установили ранее, и нажмите "начать запись". Это определенно не будет сложной задачей, но, к счастью, у вас есть я, чтобы помочь вам.

Откройте веб-сайт Bones Coffee и добавьте задержку в 3 секунды, чтобы веб-сайт загрузился, а затем выполните поиск по ключевому слову на веб-сайте и нажмите Enter. Чтобы добавить задержку, щелкните правой кнопкой мыши на экране и выберите "wait" -> 3. Теперь, если вы щелкнете на расширение, вы увидите, что код уже есть в расширении, как показано ниже.

# открыть URL в браузере
driver.get(‘[https://www.bonescoffee.com/'](https://www.bonescoffee.com/'))
time.sleep(3)

Отлично! Это указывает нашему браузеру Chrome Python на этот конкретный веб-сайт. Функция "time.sleep(3)" просто говорит Python подождать 3 секунды перед продолжением работы. Это необязательно, но я все равно добавил это.

После этого расширение будет искать идентификатор с помощью driver.find_element_by_pro и выполнит клик(), кликнет по идентификатору.

# кликнуть по полю ввода
driver.find_element_by_pro(‘dVNBY0xk9Gc9EKi’).click_pro()

а send_keys(‘mug’) введет ключевое слово "mug", а send_keys(Keys.ENTER) нажмет Enter.

# ввести текст в поле ввода
driver.find_element_by_pro(‘deuu4nXmzAVdNNh’).type(‘mug’)
# нажать клавишу Enter
driver.switch_to.active_element.type(‘Enter’)

Скопируйте код из расширения и протестируйте код до этого момента.

Получение данных

Отлично! Теперь давайте возобновим запись. После ввода ключевого слова на веб-сайте Bones Coffee наведите курсор на название продукта, щелкните правой кнопкой мыши и выберите "scrape" -> "text", чтобы получить текст продукта.

Точно так же вы можете получить ссылку и цену. В расширении ваши действия будут имитироваться следующим образом:

# получить текст элемента
title = list_element.find_element_by_pro(‘1xT5XD2XNndakxL’).text
# получить текст элемента
price = list_element.find_element_by_pro(‘9IskNpFpp6cED68’).text
# получить ссылку элемента
link = list_element.find_element_by_pro(‘ScnrKF4ZwqHEfig’).get_attribute(‘href’)

Мы закончили! Верите или нет.

Полный код

В случае, если вы застряли или запутались, вот весь код для этого проекта:

from selenium_pro import webdriver
import time
from selenium_pro.webdriver.common.keys import Keys
driver = webdriver.Start()
# открыть URL в браузере
driver.get(‘[https://www.bonescoffee.com/'](https://www.bonescoffee.com/'))
time.sleep(3)
# кликнуть по полю ввода
driver.find_element_by_pro(‘dVNBY0xk9Gc9EKi’).click_pro()
# ввести текст в поле ввода
driver.find_element_by_pro(‘deuu4nXmzAVdNNh’).type(‘mug’)
# нажать клавишу Enter
driver.switch_to.active_element.type(‘Enter’)
time.sleep(3)
# получить текст элемента
title = list_element.find_element_by_pro(‘1xT5XD2XNndakxL’).text
# получить текст элемента
price = list_element.find_element_by_pro(‘9IskNpFpp6cED68’).text
# получить ссылку элемента
link = list_element.find_element_by_pro(‘ScnrKF4ZwqHEfig’).get_attribute(‘href’)

Запуск этой программы

Теперь, чтобы запустить эту программу, скопируйте код из расширения и сохраните его как файл .py > откройте терминал / командную строку и введите следующую команду:

python3 ПУТЬ/К/ВАШЕМУ/ФАЙЛУ.PY

Или, если вы используете среду разработки, такую как PyCharm, просто запустите программу в ней. При запуске этой программы вы увидите, как открывается браузер Chrome, он будет ждать несколько секунд, а затем выведет данные в консоль Python!

Поздравляю! Я рекомендую поискать способы улучшить этот проект: можете ли вы добавить интерфейс, где люди могут размещать свои ссылки? Можете ли вы добавить цикл, чтобы парсить все ссылки и текст со всех страниц? В противном случае, вы должны гордиться собой за то, что прошли этот учебник!