Всем привет! Есть вот такая программка, которая парсит товары по ссылке:
import requests
import csv
from bs4 import BeautifulSoup as bs
headers = {'accept': '*/*', 'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:72.0) Gecko/20100101 Firefox/72.0'}
MAIN_URL = 'https://www.yoox.com' # для формирования полной ссылки
base_url = 'https://www.yoox.com/ru/%D0%B4%D0%BB%D1%8F%20%D0%BC%D1%83%D0%B6%D1%87%D0%B8%D0%BD/%D0%BE%D0%B4%D0%B5%D0%B6%D0%B4%D0%B0/shoponline#/dept=clothingmen&gender=U&page=1&season=X'
def yoox_parse(base_url, headers):
session = requests.Session()
request = session.get(base_url, headers=headers)
clothes = []
urls = []
urls.append(base_url)
if request.status_code == 200:
soup = bs(request.content, 'html.parser')
try:
pagination = soup.find_all('li', attrs={'class': 'text-light'})
count = int(pagination[-1].text)
for i in range(1,count):
url = f'https://www.yoox.com/ru/%D0%B4%D0%BB%D1%8F%20%D0%BC%D1%83%D0%B6%D1%87%D0%B8%D0%BD/%D0%BE%D0%B4%D0%B5%D0%B6%D0%B4%D0%B0/shoponline#/dept=clothingmen&gender=U&page={i}&season=X'
if url not in urls:
urls.append(url)
except:
pass
for url in urls:
request = session.get(url, headers=headers)
soup = bs(request.content, 'html.parser')
divs = soup.find_all('div', attrs={'class': 'col-8-24'})
for div in divs:
brand = div.find('div', attrs={'class': 'brand font-bold text-uppercase'})
group = div.find('div', attrs={'class': 'microcategory font-sans'})
old_price = div.find('span', attrs={'class': 'oldprice text-linethrough text-light'})
new_price = div.find('span', attrs={'class': 'newprice font-bold'})
price = div.find('span', attrs={'class': 'fullprice font-bold'})
sizes = div.find_all('span', attrs={'class': 'aSize'})
href = div.find('a', attrs={'class': 'itemlink'})
art = div.find('div', attrs={'class': ''})
if brand and group and new_price: # new_price выводит только товары со скидкой
clothes.append({
'art': art,
'href': MAIN_URL + href.get('href'),
'sizes': [size.get_text() for size in sizes],
'brand': brand.get_text(),
'group': group.get_text(strip=True),
'old_price': old_price.get_text().replace(' ', '').replace('руб', '') if old_price else None,
'new_price': new_price.get_text().replace(' ', '').replace('руб', '') if new_price else None,
'price': price.get_text().replace(' ', '').replace('руб', '') if price else None,
})
print(len(clothes))
else:
print('ERROR or Done')
return clothes
def files_writer(clothes):
with open('parsed_yoox_man_clothes.csv', 'w', newline='') as file:
a_pen = csv.writer(file)
a_pen.writerow(('Артикул', 'Ссылка', 'Размер', 'Марка', 'Категория', 'Старая цена', 'Новая цена', 'Цена'))
for clothe in clothes:
a_pen.writerow((clothe['art'], clothe['href'], clothe['sizes'], clothe['brand'], clothe['group'], clothe['old_price'], clothe['new_price'], clothe['price']))
clothes = yoox_parse(base_url, headers)
files_writer(clothes)
Когда я начал разбираться с содержимым парсинга, понял, что программа собирает данные только с
base_url, но в количестве раз равному количеству страниц на сайте.
Тогда я начал разбираться с кодом, ставя промежуточные выдачи результата и понял, что программа формирует верные ссылки на все страницы, но собирает все-равно только с первой.
Идеи закончились, осталось только просить помощи у коллективного разума.
Если будете запускать скрипт, то лучше заменить
for i in range(1,count): на for
i in range(1,5): чтобы долго не ждать результата.
Заранее спасибо. Я пока только учусь и учеба в практике мне кажется более интересной.
