Ilia Miheev
98 lines
4.0 KiB
Python
98 lines
4.0 KiB
Python
from selenium.webdriver.chrome.options import Options
|
|
from requests import get, RequestException
|
|
from selenium import webdriver
|
|
from bs4 import BeautifulSoup
|
|
from time import sleep
|
|
import json
|
|
|
|
class Pars:
|
|
'''Библиотека для работы с файлами во время парсинга'''
|
|
|
|
def loadJson(self, pathToJsonFile:str):
|
|
"""Получаем данные из json файла"""
|
|
with open(pathToJsonFile) as jsonFile:
|
|
src = json.load(jsonFile)
|
|
return src
|
|
|
|
|
|
def dumpJson(self, data:any, pathToJsonFile:str):
|
|
"""Записываем данные в json файл"""
|
|
with open(pathToJsonFile, 'w', encoding='utf8') as jsonFile:
|
|
json.dump(data, jsonFile, indent=4, ensure_ascii=0)
|
|
|
|
|
|
def returnBs4Object(self, pathToFile, myEncoding:str='utf8', parser:str='lxml'):
|
|
"""Возвращаем объект beautifulsoup"""
|
|
with open(pathToFile, encoding=myEncoding) as file:
|
|
src = file.read()
|
|
soup = BeautifulSoup(src, parser)
|
|
return soup
|
|
|
|
|
|
def get_static_page(self, url, pathToSaveFile, writeMethod='w', headers:dict='')-> int():
|
|
'''Получаем статическую страницу'''
|
|
|
|
if headers == '':
|
|
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"
|
|
}
|
|
|
|
try:
|
|
# Отправляем запрос
|
|
req = get(url, headers=headers)
|
|
req.raise_for_status() # Проверка на ошибки HTTP
|
|
|
|
# Записываем данные
|
|
if writeMethod == 'w':
|
|
src = req.text
|
|
with open(pathToSaveFile, 'w', encoding='utf-8') as file:
|
|
file.write(src)
|
|
elif writeMethod == 'wb':
|
|
src = req.content
|
|
with open(pathToSaveFile, 'wb') as file:
|
|
file.write(src)
|
|
else:
|
|
raise ValueError(f"Неподдерживаемый метод записи: {writeMethod}")
|
|
|
|
# Обрабатываем ошибки
|
|
except RequestException as e:
|
|
return req.status_code
|
|
except IOError as e:
|
|
print(f"Ошибка при записи в файл: {e}")
|
|
except Exception as e:
|
|
return e
|
|
|
|
# Если всё выполнилось хорошо, то возвращаем статус 200
|
|
return 200
|
|
|
|
|
|
def get_dinamic_page(self, url, pathToSaveFile, closeWindow:bool=1) -> None:
|
|
'''Получаем динамическую страницу'''
|
|
|
|
# Устанавливаем опции для Chrome WebDriver
|
|
options = Options()
|
|
if closeWindow:
|
|
options.add_argument('--headless')
|
|
|
|
# открываем браузер
|
|
with webdriver.Chrome(options=options) as driver:
|
|
driver.get(url)
|
|
# Прокручиваем страницу до самого низа
|
|
last_height = driver.execute_script("return document.body.scrollHeight")
|
|
while True:
|
|
# Прокручиваем до низа страницы
|
|
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
|
|
# Ждем загрузки страницы
|
|
sleep(2)
|
|
# Вычисляем новую высоту страницы
|
|
new_height = driver.execute_script("return document.body.scrollHeight")
|
|
if new_height == last_height:
|
|
break
|
|
last_height = new_height
|
|
# Получаем HTML-код страницы
|
|
html_content = driver.page_source
|
|
# Сохраняем HTML-код в файл
|
|
with open(pathToSaveFile, "w", encoding="utf-8") as file:
|
|
file.write(html_content)
|