Добавил асинхронную версию getStaticPage
This commit is contained in:
@@ -7,3 +7,4 @@ __pycache__
|
|||||||
ideas.md
|
ideas.md
|
||||||
*copy*
|
*copy*
|
||||||
venv/
|
venv/
|
||||||
|
.idea/
|
||||||
|
|||||||
+82
-31
@@ -6,6 +6,8 @@ from bs4 import BeautifulSoup
|
|||||||
from pprint import pprint
|
from pprint import pprint
|
||||||
from time import sleep
|
from time import sleep
|
||||||
from typing import Any, Optional
|
from typing import Any, Optional
|
||||||
|
import asyncio
|
||||||
|
import aiohttp
|
||||||
import requests
|
import requests
|
||||||
from os import mkdir, listdir
|
from os import mkdir, listdir
|
||||||
from os.path import exists
|
from os.path import exists
|
||||||
@@ -69,7 +71,6 @@ class Pars:
|
|||||||
self.__validation(schema, expected)
|
self.__validation(schema, expected)
|
||||||
|
|
||||||
|
|
||||||
# Открываем файл и возвращаем объяект bs4 на его основе
|
|
||||||
with open(pathToFile, encoding=encoding) as file:
|
with open(pathToFile, encoding=encoding) as file:
|
||||||
src = file.read()
|
src = file.read()
|
||||||
soup = BeautifulSoup(src, parser)
|
soup = BeautifulSoup(src, parser)
|
||||||
@@ -95,7 +96,6 @@ class Pars:
|
|||||||
for item in arr:
|
for item in arr:
|
||||||
data = item.text
|
data = item.text
|
||||||
|
|
||||||
# Удаляем пробелы в начале и конце строки, табуляцию, переносы строки
|
|
||||||
if needFix:
|
if needFix:
|
||||||
data = data.strip()
|
data = data.strip()
|
||||||
data = data.replace('\t', '')
|
data = data.replace('\t', '')
|
||||||
@@ -151,27 +151,8 @@ class Pars:
|
|||||||
writeMethod: метод записи данных в файл. "w" записывает текст, "wb" — байты
|
writeMethod: метод записи данных в файл. "w" записывает текст, "wb" — байты
|
||||||
headers: заголовки запроса к серверу'''
|
headers: заголовки запроса к серверу'''
|
||||||
|
|
||||||
# Устанавливаем случайный user-agent если пользователь не указал свой
|
|
||||||
if headers is None:
|
if headers is None:
|
||||||
software_names = [
|
headers = self.__makeHeaders()
|
||||||
SoftwareName.FIREFOX.value,
|
|
||||||
SoftwareName.CHROME.value,
|
|
||||||
SoftwareName.EDGE.value,
|
|
||||||
SoftwareName.SAFARI.value,
|
|
||||||
SoftwareName.YANDEX.value,
|
|
||||||
]
|
|
||||||
operating_systems = [
|
|
||||||
OperatingSystem.WINDOWS.value,
|
|
||||||
OperatingSystem.LINUX.value,
|
|
||||||
OperatingSystem.IOS.value,
|
|
||||||
OperatingSystem.MACOS.value,
|
|
||||||
]
|
|
||||||
user_agent_rotator = UserAgent(software_names=software_names, operating_systems=operating_systems, limit=10)
|
|
||||||
user_agent = user_agent_rotator.get_random_user_agent()
|
|
||||||
headers = {
|
|
||||||
"Accept": "*/*",
|
|
||||||
"User-Agent": user_agent
|
|
||||||
}
|
|
||||||
|
|
||||||
|
|
||||||
schema = {
|
schema = {
|
||||||
@@ -185,11 +166,9 @@ class Pars:
|
|||||||
|
|
||||||
|
|
||||||
try:
|
try:
|
||||||
# Отправляем запрос
|
|
||||||
req = requests.get(url, headers=headers)
|
req = requests.get(url, headers=headers)
|
||||||
req.raise_for_status()
|
req.raise_for_status()
|
||||||
|
|
||||||
# Записываем данные
|
|
||||||
if writeMethod == 'w':
|
if writeMethod == 'w':
|
||||||
src = req.text
|
src = req.text
|
||||||
with open(pathToSaveFile, 'w', encoding='utf-8') as file:
|
with open(pathToSaveFile, 'w', encoding='utf-8') as file:
|
||||||
@@ -202,7 +181,7 @@ class Pars:
|
|||||||
else:
|
else:
|
||||||
raise ValueError(f"Неподдерживаемый метод записи: {writeMethod}")
|
raise ValueError(f"Неподдерживаемый метод записи: {writeMethod}")
|
||||||
|
|
||||||
return req.status_code # Возвращаем статус ответа от сервера
|
return req.status_code
|
||||||
|
|
||||||
except requests.exceptions.HTTPError as httpErr:
|
except requests.exceptions.HTTPError as httpErr:
|
||||||
raise RuntimeError(f"HTTP ошибка: {httpErr}") from httpErr
|
raise RuntimeError(f"HTTP ошибка: {httpErr}") from httpErr
|
||||||
@@ -211,14 +190,11 @@ class Pars:
|
|||||||
|
|
||||||
|
|
||||||
def __scrollAndSave(self, driver: webdriver.Chrome, timeSleep: int, pathToSaveFile: str) -> None:
|
def __scrollAndSave(self, driver: webdriver.Chrome, timeSleep: int, pathToSaveFile: str) -> None:
|
||||||
# Прокручиваем страницу до самого низа
|
'''Прокручиваем страницу до самого низа'''
|
||||||
lastHeight = driver.execute_script("return document.body.scrollHeight")
|
lastHeight = driver.execute_script("return document.body.scrollHeight")
|
||||||
while True:
|
while True:
|
||||||
# Прокручиваем до низа страницы
|
|
||||||
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
|
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
|
||||||
# Ждем загрузки страницы
|
|
||||||
sleep(timeSleep)
|
sleep(timeSleep)
|
||||||
# Вычисляем новую высоту страницы
|
|
||||||
newHeight = driver.execute_script("return document.body.scrollHeight")
|
newHeight = driver.execute_script("return document.body.scrollHeight")
|
||||||
if newHeight == lastHeight:
|
if newHeight == lastHeight:
|
||||||
break
|
break
|
||||||
@@ -247,12 +223,10 @@ class Pars:
|
|||||||
self.__validation(schema, expected)
|
self.__validation(schema, expected)
|
||||||
|
|
||||||
|
|
||||||
# Ставим настройку на запуск баузера в фоновом режиме, если closeWindow = True
|
|
||||||
options = Options()
|
options = Options()
|
||||||
if closeWindow:
|
if closeWindow:
|
||||||
options.add_argument('--headless')
|
options.add_argument('--headless')
|
||||||
|
|
||||||
# открываем браузер
|
|
||||||
with webdriver.Chrome(options=options) as driver:
|
with webdriver.Chrome(options=options) as driver:
|
||||||
driver.get(url)
|
driver.get(url)
|
||||||
self.__scrollAndSave(driver, timeSleep, pathToSaveFile)
|
self.__scrollAndSave(driver, timeSleep, pathToSaveFile)
|
||||||
@@ -280,3 +254,80 @@ class Pars:
|
|||||||
driver.get(url)
|
driver.get(url)
|
||||||
a = input('Нажми ENTER когда окажешься на нужной тебе странице')
|
a = input('Нажми ENTER когда окажешься на нужной тебе странице')
|
||||||
self.__scrollAndSave(driver, timeSleep, pathToSaveFile)
|
self.__scrollAndSave(driver, timeSleep, pathToSaveFile)
|
||||||
|
|
||||||
|
|
||||||
|
def __makeHeaders(self) -> dict:
|
||||||
|
'''Генерирует случайный User-Agent для запроса'''
|
||||||
|
software_names = [
|
||||||
|
SoftwareName.FIREFOX.value,
|
||||||
|
SoftwareName.CHROME.value,
|
||||||
|
SoftwareName.EDGE.value,
|
||||||
|
SoftwareName.SAFARI.value,
|
||||||
|
SoftwareName.YANDEX.value,
|
||||||
|
]
|
||||||
|
operating_systems = [
|
||||||
|
OperatingSystem.WINDOWS.value,
|
||||||
|
OperatingSystem.LINUX.value,
|
||||||
|
OperatingSystem.IOS.value,
|
||||||
|
OperatingSystem.MACOS.value,
|
||||||
|
]
|
||||||
|
user_agent_rotator = UserAgent(software_names=software_names, operating_systems=operating_systems, limit=10)
|
||||||
|
return {
|
||||||
|
'Accept': '*/*',
|
||||||
|
'User-Agent': user_agent_rotator.get_random_user_agent()
|
||||||
|
}
|
||||||
|
|
||||||
|
|
||||||
|
async def getStaticPageAsync(
|
||||||
|
self,
|
||||||
|
pathToSaveFile: str,
|
||||||
|
url: str,
|
||||||
|
writeMethod: str = 'w',
|
||||||
|
headers: Optional[dict] = None,
|
||||||
|
session: Optional[aiohttp.ClientSession] = None,
|
||||||
|
) -> int:
|
||||||
|
'''Асинхронно сохраняет статическую страницу и возвращает статус ответа
|
||||||
|
|
||||||
|
pathToSaveFile: путь, куда сохранится полученный файл
|
||||||
|
url: ссылка на данные
|
||||||
|
writeMethod: метод записи. "w" — текст, "wb" — байты (для картинок)
|
||||||
|
headers: заголовки запроса. Если None — подставится случайный User-Agent
|
||||||
|
session: aiohttp.ClientSession для переиспользования соединений'''
|
||||||
|
|
||||||
|
if headers is None:
|
||||||
|
headers = self.__makeHeaders()
|
||||||
|
|
||||||
|
schema = {
|
||||||
|
'pathToSaveFile': {'type': 'string'},
|
||||||
|
'url': {'type': 'string'},
|
||||||
|
'writeMethod': {'type': 'string', 'allowed': ['w', 'wb']},
|
||||||
|
'headers': {'type': 'dict'},
|
||||||
|
}
|
||||||
|
self.__validation(schema, {'pathToSaveFile': pathToSaveFile, 'url': url, 'writeMethod': writeMethod, 'headers': headers})
|
||||||
|
|
||||||
|
close_session = session is None
|
||||||
|
if close_session:
|
||||||
|
session = aiohttp.ClientSession()
|
||||||
|
|
||||||
|
try:
|
||||||
|
async with session.get(url, headers=headers) as response:
|
||||||
|
response.raise_for_status()
|
||||||
|
|
||||||
|
if writeMethod == 'w':
|
||||||
|
text = await response.text(encoding='utf-8')
|
||||||
|
with open(pathToSaveFile, 'w', encoding='utf-8') as file:
|
||||||
|
file.write(text)
|
||||||
|
elif writeMethod == 'wb':
|
||||||
|
content = await response.read()
|
||||||
|
with open(pathToSaveFile, 'wb') as file:
|
||||||
|
file.write(content)
|
||||||
|
|
||||||
|
return response.status
|
||||||
|
|
||||||
|
except aiohttp.ClientResponseError as httpErr:
|
||||||
|
raise RuntimeError(f'HTTP ошибка: {httpErr}') from httpErr
|
||||||
|
except Exception as e:
|
||||||
|
raise RuntimeError(e) from e
|
||||||
|
finally:
|
||||||
|
if close_session:
|
||||||
|
await session.close()
|
||||||
|
|||||||
Reference in New Issue
Block a user