ponomarev-prime / dj_parser Goto Github PK
View Code? Open in Web Editor NEWПарсит Хабр (bs4) и Маил_ру (selenium).
Парсит Хабр (bs4) и Маил_ру (selenium).
Создать несколько веток:
Далее собираем все ветки в main.
Допустим есть сайт, у которого внизу написано: " стр. 1 из 100".
Мы парсим пока ссылки со страницы 1. Остальное остается не очень просмотренным.
Чтобы спарсить те страницы, Нужно сначала получить цифру - последнюю страницу(100), тоесть пропарсить ее. Далее запускать тот же метод только для каждой страницы по отдельности да последней.
Говорят, сайт может понять, что доступ идет со скрипта. Потому что запросы на страницы могут идти через равные промежутки времени, последовательно к каждой странице.
Просто принтить в консоль - не совсем хорошее решение.
Подключим логгер, который будет принтить в консоль уже.
В этой ссылке простые примеры:
https://stackoverflow.com/questions/50391429/logging-in-classes-python
В этой бенефиты от использования logger:
https://stackoverflow.com/questions/6918493/in-python-why-use-logging-instead-of-print
Переименовать master
в main
.
Предлагаю продумать иерахию классов для того, чтобы разделить основные функции парсера, которые будут находиться в классе родителе, от функционала, который будет зависеть от конкретного метода парсинга конкретного сайта. Этот функционал (методы) будут находиться в классах потомках. Это может быть например habr, или mail_parser. Из названия примеров уже понятно, что данные классы будут парсить соответвующие сайты. Их методы будут зависеть от конретных потрубностей, а именно для mail будет запускаться selenium, а для habr bs4.
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.