Ilia Miheev
63 lines
3.9 KiB
Markdown
63 lines
3.9 KiB
Markdown
# Библиотека для работы с файлами во время парсинга
|
|
|
|
Во время работы часто приходится скачивать html страницы, работать с json файлами. Эта библиотека призвана облегчить написание кода для такого рода задач.
|
|
|
|
Установить библиотеку:
|
|
```bash
|
|
pip install ipars
|
|
```
|
|
|
|
## Пример кода
|
|
```python
|
|
# Импортируем библиотеку
|
|
from ipars import Pars
|
|
# Создаём объект класса
|
|
p = Pars()
|
|
```
|
|
|
|
## Коротко о методах
|
|
1. Функция **get_static_page** принимает url страницы, путь по которому сохранится страница, метод записи и заголовки запроса. Метод записи "wb" используется для сохранения кортинок, по умолчанию writeMethod установлен как "w", что используется для html-страниц. Если заголовки запросов не указаны, то будут использоваться встроенные, но при желании можно указать свои. Функция возвращает статус ответа сайта, что должно использоваться для введения проверок
|
|
```python
|
|
from ipars import Pars
|
|
p = Pars()
|
|
# Заголовки для запроса
|
|
headers ={
|
|
"Accept": "*/*",
|
|
"User-Agent": "Mozilla/5.0 (iPad; CPU OS 11_0 like Mac OS X) AppleWebKit/604.1.34 (KHTML, like Gecko) Version/11.0 Mobile/15A5341f Safari/604.1"
|
|
}
|
|
# Делаем запрос к сайту и записываем статус ответа в переменную
|
|
status_response = p.get_static_page('https://google.com', './index.html', headers=headers)
|
|
if status_response == 404:
|
|
print('Страница не найдена')
|
|
```
|
|
|
|
2. Функция **get_dinamic_page** с помощью библиотеки Selenium получает динамически обновляемую страницу. Это помогает когда контент на странице подгружается динамически. Принимает url страницы, путь сохранения и closeWindow. По умолчанию браузер Selenium открывается в фоновом режиме и работу браузара не видно, но если closeWindow указать как False, то будет видень процес выполнения кода
|
|
|
|
3. Функция **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)
|
|
```py
|
|
from ipars import Pars
|
|
p = Pars()
|
|
p.get_static_page('https://google.com', './index.html')
|
|
# Получаем объект beautifulsoup из полученной страницы
|
|
soup = p.returnBs4Object('./index.html')
|
|
# Используем методы beautifulsoup
|
|
allImage = soup.find_all('img')
|
|
```
|
|
|
|
4. Метод **loadJson** используется для получения данных из json файла по указанному пути.
|
|
|
|
5. Метод **dumpJson** используется для записи данных в json файл. Принимает данные для записи и путь до файла
|
|
|
|
```py
|
|
from ipars import Pars
|
|
p = Pars()
|
|
# Записываем данные
|
|
p.dumpJson([1,2,3,4,5,6,7], './data.json')
|
|
# Получаем данные
|
|
data = p.loadJson('./data.json') # [1,2,3,4,5,6,7]
|
|
```
|
|
|
|
## License
|
|
|
|
This project is licensed under the MIT License - see the [LICENSE](LICENSE.txt) file for details.
|