diff --git a/README.md b/README.md index 397dd1b..5acba4c 100644 --- a/README.md +++ b/README.md @@ -1,6 +1,6 @@ ## Библиотека для работы с файлами во время парсинга -Во время парсинга часто приходится скачивать html-страницы, работать с json и csv-файлами. Эта библиотека призвана облегчить написание кода для такого рода задач, а так же предоставляет ряд дополнительных возможностей. +Во время парсинга часто приходится скачивать html-страницы, работать с json- и csv-файлами. Эта библиотека призвана облегчить написание кода для такого рода задач, а так же предоставляет ряд дополнительных возможностей. Более удобная версия документации на сайте ([ru](https://iliamiheev.github.io/ipars-doc/#/./home), [en](https://iliamiheev.github.io/ipars-doc/#/./pages/en/README_EN)) @@ -10,18 +10,24 @@ 2. **JsonManager** для работы с json 3. **CsvManager** для работы с csv -#### Так же есть три вспомогательных класса: +### Так же есть три вспомогательных класса 1. **ProgressBarManager** для создания прогресс-баров 2. **TimerManager** для засечения времени выполнения определённого кода 3. **ZipManager** для архивации файлов и папок -Установить библиотеку: +### Установить библиотеку: ```bash pip install ipars ``` +или + +```bash +pip3 install ipars +``` + ## Навигация - [Работа с Pars](#работа-с-pars) @@ -44,7 +50,9 @@ pip install ipars - [Коротко о методах](#коротко-о-методах-zipmanager) - [Пример использования](#пример-использования-zipmanager) -## Работа с Pars +### Работа с Pars + +Данный класс предназначен для работы с запросами и полученной html-страницей. Класс Pars не принимает никаких данных для конструкторов. @@ -56,21 +64,27 @@ p = Pars() ### Коротко о методах Pars: -1. Метод **getStaticPage** принимает url страницы, путь, по которому сохранится страница, метод записи и заголовки запроса. Метод записи «wb» используется для сохранения картинок, по умолчанию writeMethod установлен как «w», что используется для html-страниц. Если заголовки запросов не указаны, то будут использоваться заголовки со случайным user-agent. Метод возвращает статус ответа сайта, что должно использоваться для введения проверок +- Метод **getStaticPage** принимает url страницы, путь по которому сохранится страница, метод записи и заголовки запроса. Метод записи «wb» используется для сохранения картинок, по умолчанию writeMethod установлен как «w», что используется для html-страниц. Если заголовки запросов не указаны, то будут использоваться заголовки со случайным user-agent. Метод возвращает статус ответа сайта, его можно использовать для проверкок. -2. Метод **getDynamicPage** с помощью библиотеки Selenium получает динамически обновляемую страницу. Это помогает, когда контент на странице подгружается динамически. Принимает url страницы, путь сохранения, closeWindow и timeSleep. По умолчанию браузер Selenium открывается в фоновом режиме, и работу браузера не видно, но если closeWindow указать как False, то будет виден процесс выполнения кода. С помощью timeSleep можно увеличить время загрузки страницы если контент на ней долго подгружается +```python +for index, url in enumerate(urlList): + if p.getStaticPage(url, f'./page{index}') == 404: + print('Не удалось получить страницу: ', url) +``` -3. Метод **gpsa** (get page semi-automatically) похож на метод getDynamicPage, но работает в полуавтоматическом режиме. Он открывает страницу сайта и ждёт пока не будет нажат Enter в терминале. В этот момент можно зарегистрироваться на сайте и/или перейти на нужную вкладку сайта, после чего нажать Enter и метод спарсит страницу. Подходит для лент соцсетей, где неавторизованным пользователям контент ограничен. Принисает такие же аргументы для таких же целей, что и getDynamicPage, за исключением closeWindow +- Метод **getDynamicPage** с помощью библиотеки Selenium получает динамически обновляемую страницу. Это помогает, когда контент на странице подгружается динамически. Принимает url страницы, путь сохранения, closeWindow и timeSleep. По умолчанию браузер Selenium открывается в фоновом режиме, и работу браузера не видно, но если closeWindow указать как False, то будет виден процесс выполнения кода. С помощью timeSleep можно увеличить время загрузки страницы если контент на ней долго подгружается -4. Метод **returnBs4Object** возвращает объект beautifulsoup4. Принимает путь до html-страницы, содержимое которой преобразует в объект beautifulsoup, кодировку открытия файла (по умолчанию UTF-8) и тип парсера (по умолчанию lxml). +- Метод **gpsa** (get page semi-automatically) похож на метод getDynamicPage, но работает в полуавтоматическом режиме. Он открывает страницу сайта и ждёт пока не будет нажат Enter в терминале. В этот момент можно зарегистрироваться на сайте и/или перейти на нужную вкладку сайта, после чего нажать Enter и метод спарсит страницу. Подходит для лент соцсетей, где неавторизованным пользователям контент ограничен. Принисает такие же аргументы для таких же целей, что и getDynamicPage, за исключением closeWindow -5. Метод **getAttributes** нужена чтобы получить список атрибутов из списка объектов bs4. Принимает список объектов bs4 и название атрибута который будет извлекаться из элементов списка +- Метод **returnBs4Object** возвращает объект beautifulsoup4. Принимает путь до html-страницы, содержимое которой преобразует в объект beautifulsoup, кодировку открытия файла (по умолчанию UTF-8) и тип парсера (по умолчанию lxml). -6. Метод **getTexts** нужена чтобы получить список текста из списка объектов bs4. Принимает список объектов bs4 и параметр needFix. Если этот параметр установлен как True, то из текста будут удалены \n, \t и пробелы с концов +- Метод **getAttributes** нужена чтобы получить список атрибутов из списка объектов bs4. Принимает список объектов bs4 и название атрибута который будет извлекаться из элементов списка -7. Метод **pprint** используется для вывода значений переменных у которых большая вложеность. Например, если у Вас есть массив объектов, где в качестве значения ключа используется другой массив объектов +- Метод **getTexts** нужена чтобы получить список текста из списка объектов bs4. Принимает список объектов bs4 и параметр needFix. Если этот параметр установлен как True, то из текста будут удалены \n, \t и пробелы с концов -8. Метод **mkdir** используется для создания папки с именем _nameDir_ если она ещё не существует +- Метод **pprint** используется для вывода значений переменных у которых большая вложеность. Например, если у Вас есть массив объектов, где в качестве значения ключа используется другой массив объектов + +- Метод **mkdir** используется для создания папки с именем _nameDir_ если она ещё не существует ### Пример парсера с использованием ipars: @@ -129,23 +143,25 @@ a2 = p.getAttributes(allTegA, 'href') p.pprint(a2) ``` -## Работа с JsonManager +### Работа с JsonManager -JsonManager принимает принимает только один аргумент — кодировку в которой будут читаться файлы. По умолчанию это UTF-8 +Данный класс предназначен для записи и извлечения информации из json-файлов. + +JsonManager принимает принимает только encoding — кодировку в которой будут читаться файлы (по умолчанию UTF-8) ```py from ipars import JsonManager -j = JsonManager() +j = JsonManager(encoding="UTF-8") ``` ### Коротко о методах JsonManager -1. Метод **load** используется для получения данных из json-файла по указанному пути +- Метод **load** используется для получения данных из json-файла по указанному пути -2. Метод **dump** используется для записи данных в json-файл. Принимает путь до файла и данные для записи +- Метод **dump** используется для записи данных в json-файл. Принимает путь до файла и данные для записи -3. Метод **pprint** такой же как и у Pars +- Метод **pprint** такой же как и у Pars ### Пример использования JsonManager @@ -162,26 +178,33 @@ data = j.load(nameFile) j.pprint(data) # [1, 2, 3, 4, 5, 6, 7] ``` -## Работа с CsvManager +### Работа с CsvManager -Класс CsvManager принимает три аргумента: символ переноса на новую строку _newline_ (по умолчанию — это пустая строка), кодировку открываемых файлов _encoding_ (по умолчанию UTF-8) и разделитель который используется в csv файле _delimiter_ (по умолчанию ";") +Данный класс предназначен для записи и извлечения информации из csv-файлов. + +Класс CsvManager принимает три аргумента: + +- newline — символ переноса на новую строку (по умолчанию используется пустая строка) + +- encoding — кодировка открываемых файлов (UTF-8) + +- delimiter — разделитель который используется в csv файле (;) ```py - from ipars import CsvManager -c = CsvManager() +c = CsvManager(newline="", encoding="UTF-8", delimiter=";") ``` ### Коротко о методах CsvManager -1. Метод **writerow** записывает строку с csv файл. Метод принимает путь до csv файла, метод записи и список данных которые будут записанн в строку файла +- Метод **writerow** записывает строку с csv файл. Метод принимает путь до csv файла, метод записи и список данных которые будут записанн в строку файла -2. Метод **writerows** принимает теже самые аргументы что и writerow, только row должен быть двойным списком с данными для записи. Разница между этими методами в том что writerow записывает одну, а writerows столько сколько есть в двойном списке +- Метод **writerows** принимает теже самые аргументы что и writerow, только row должен быть двойным списком с данными для записи. Разница между этими методами в том что writerow записывает одну строку, а writerows столько сколько есть в двойном списке -3. Метод **getRows** используется для получения списка строк в csv файле. Метод принимает путь до файла откуда будут получены строки +- Метод **getRows** используется для получения списка строк в csv файле. Метод принимает путь до файла откуда будут получены строки -4. Метод **pprint** такой же как и у Pars +- Метод **pprint** такой же как и у Pars ### Пример использования CsvManager @@ -207,19 +230,19 @@ rows = c.getRows(nameFile) c.pprint(rows) ``` -## Работа с ProgressBarManager +### Работа с ProgressBarManager -Класс создаёт прогресс-бар для лучшей видимости выполнения кода. Принимает пять аргументов: +Класс создаёт прогресс-бар для для отображения процесса выполнения кода. Принимает пять аргументов: -1. **max**: обязательный параметр, который указывает максимальное значение итераций в прогресс-баре +- **max**: обязательный параметр, который указывает максимальное значение итераций в прогресс-баре -2. **message**: сообщение перед прогресс-баром +- **message**: сообщение перед прогресс-баром -3. **color**: цвет прогресс-бара +- **color**: цвет прогресс-бара -4. **fill**: заполнитель для сделанной части +- **fill**: заполнитель для выполненой части -5. **width**: размер прогресс-бара в символах +- **width**: размер прогресс-бара в символах ```py from ipars import ProgressBarManager @@ -229,9 +252,9 @@ bar = ProgressBarManager(100) # Здесь max установлен как 100 ### Коротко о методах ProgressBarManager -1. Метод **next** запускает следущую итерацию прогресс-бара +- Метод **next** запускает следущую итерацию прогресс-бара -2. Метод **finish** завершает работу прогресс-бара +- Метод **finish** завершает работу прогресс-бара ### Пример использования ProgressBarManager @@ -272,7 +295,7 @@ for _ in range(maxValue): bar.finish() ``` -## Работа с TimerManager +### Работа с TimerManager Класс TimerManager предназначен для отслеживания времени выполнения кода. Он позволяет получить общее время работы в различных форматах. @@ -284,11 +307,11 @@ t = TimerManager() ### Коротко о методах TimerManager -1. Метод **start** — точка начала отсчёта времени +- Метод **start** — точка начала отсчёта времени -2. Метод **end** — конечная точка отсчёта времени +- Метод **end** — конечная точка отсчёта времени -3. Метод **getWorkTime** возвращает общее время работы в указанном формате. Поддерживаемые форматы: _seconds_, _minutes_, _hours_. Параметр _ndigits_ указывает количество знаков после запятой для округления, по умолчанию число не округляется. +- Метод **getWorkTime** возвращает общее время работы в указанном формате. Поддерживаемые форматы: _seconds_, _minutes_, _hours_. Параметр _ndigits_ указывает количество знаков после запятой для округления, по умолчанию число не округляется. ### Пример использования TimerManager @@ -308,17 +331,17 @@ print(f"Время работы в минутах: {t.getWorkTime(ndigits=2, for print(f"Время работы в часах: {t.getWorkTime(ndigits=4, format='hours')}") # 0.0006 ``` -## Работа с ZipManager +### Работа с ZipManager -Класс ZipManager нужен для архивации папоки файлов. Он принимает принимает только один аргумент — уровень сжатия файлов. +Класс ZipManager нужен для архивации папоки файлов. Он принимает принимает только один аргумент — один из возможных уровней сжатия: -'none' => Без сжатия +- none — без сжатия -'normal' => Обычное сжатие +- normal — обычное сжатие -'hard' => Увеличенное сжатие +- hard — увеличенное сжатие -'maximum' => Максимальное сжатие +- maximum — максимальное сжатие ```py from ipars import ZipManager @@ -328,9 +351,9 @@ z = ZipManager() ### Коротко о методах ZipManager -1. Метод **zip_file** используется для архивирования одного файла. Принимает путь до исходного файла и путь выходного файла +- Метод **zip_file** используется для архивирования одного файла. Принимает путь до исходного файла и путь выходного файла -2. Метод **zip_folder** используется для архивирования каталога. Принимает путь до исходного каталога и путь выходного файла +- Метод **zip_folder** используется для архивирования каталога. Принимает путь до исходного каталога и путь выходного файла ### Пример использования ZipManager