-
Notifications
You must be signed in to change notification settings - Fork 0
/
webscrap.py
130 lines (110 loc) · 4.54 KB
/
webscrap.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
import requests
from bs4 import BeautifulSoup
from ast import literal_eval
URL_ALVO = "https://in*********ro.com.br"
URL_COMPRAR = "{}/comprar".format(URL_ALVO)
URL_AUTOMOVEIS = "{}/buscar/tipo.carro/anunciante.particular".format(URL_ALVO)
DADOS = {} # Dicionário para trabalhar com json caso precise futuramente
def salva_txt(dado):
try:
with open("dados_saida.txt", "a") as arquivo:
arquivo.write(dado)
except Exception as error:
print("Erro ao salvar arquivo")
print(error)
def requisicao(url):
try:
resposta = requests.get(url)
if resposta.status_code == 200:
resposta_html = resposta.text
return resposta_html
else:
print("Erro ao fazer requisição")
except Exception as error:
print("Erro ao fazer requisição")
print(error)
def parsing(resposta_html):
try:
soup = BeautifulSoup(resposta_html, 'html.parser')
return soup
except Exception as error:
print("Erro ao fazer o parsing HTML")
print(error)
def encontrar_links(soup):
try:
div_pai = soup.find("div", class_="vehicles-list-content")
alvos = div_pai.find_all("a", class_="vehicle-thumbnail")
except:
print("Erro ao encontrar links")
return None
links = []
for i in alvos:
try:
link = i['href']
links.append(link)
except:
pass
lista_links = list(filter(lambda x: x.startswith(URL_COMPRAR), links))
return lista_links
def busca_dados(lista_links):
while True:
try:
link_anuncio = lista_links.pop(0)
except:
return None
html_anuncio = requisicao(link_anuncio)
if html_anuncio:
soup_anuncio = parsing(html_anuncio)
if soup_anuncio:
dados = soup_anuncio.find(class_="box-whatsapp")
dados_a = dados.find("a")
str_dados = dados_a.get("data-anunciante")
dados_dic = literal_eval(str_dados)
nome = dados_dic["nome"]
cidade = dados_dic["regiao"]
fone = soup_anuncio.find(class_="whatsapp-see number-phone")
telefone = fone.get_text()
saida = "{} - {} - {}\n".format(nome, telefone, cidade)
salva_txt(saida)
DADOS[nome] = {"Fone":telefone,"Cidade":cidade}
def main():
print("Iniciando Raspagem da Página 1...")
salva_txt("Raspagem do site: {}\n".format(URL_ALVO))
salva_txt("URL TARGET: {}\n".format(URL_AUTOMOVEIS))
salva_txt("----------------------------------------------------\n")
contagem = 1
html_anuncios = requisicao(URL_AUTOMOVEIS)
if html_anuncios:
soup_anuncios = parsing(html_anuncios)
if soup_anuncios:
links_anuncio = encontrar_links(soup_anuncios)
if links_anuncio:
busca_dados(links_anuncio)
print("Dados Salvos! - Pág{}".format(contagem))
salva_txt("------------------------------------ PÁGINA: {} ----------\n".format(contagem))
print(DADOS)
print("Fim da página {}".format(contagem))
while True:
contagem += 1
print("Iniciando Página {}...".format(contagem))
link_prox = "{}?pagina={}".format(URL_AUTOMOVEIS, contagem)
try:
html_pag2 = requisicao(link_prox)
soup_pag2 = parsing(html_pag2)
links_pag2 = encontrar_links(soup_pag2)
if len(links_pag2) > 0:
busca_dados(links_pag2)
print("Dados Salvos! - Pág{}".format(contagem))
salva_txt("------------------------------------ PÁGINA: {} ----------\n".format(contagem))
print("Fim da página {}".format(contagem))
else:
print("Não existe mais páginas para obter dados.")
salva_txt("=== FIM ===")
print("Encerrando...")
break
except Exception as error:
print("Erro ao rodar programa!!!")
print(error)
print("Encerrando...")
break
main()