Un parser de Python que guarda en una carpeta las imágenes de un catálogo abierto, con el código de producto como nombre, y una tabla

Ejemplo de resultado

def product_links(list_url: str) -> Iterator[str]:
    """Enlaces a las páginas de producto de todas las páginas de la lista, siguiendo 'Siguiente'."""
    url: str | None = list_url
    while url:
        page = fetch(url)
        for card in page.select("div.product-card a.title"):
            yield urljoin(url, card["href"])
        next_link = page.select_one("a.pagination-next")
        url = urljoin(url, next_link["href"]) if next_link else None


def fetch(url: str) -> BeautifulSoup:
    """Una página abierta, a un ritmo prudente: una pausa entre peticiones y algunos reintentos si hay errores."""
    for attempt in range(3):
        time.sleep(settings.delay_seconds)
        response = session.get(url, timeout=30)
        if response.status_code == 200:
            return BeautifulSoup(response.text, "html.parser")
        log.warning("%s respondió %s, intento %d de 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} no se abrió tras 3 intentos")

Acerca de este servicio

Cuando traslada su propio catálogo a una tienda nueva, o un proveedor le permite usar sus fotos de producto, este parser guarda en una carpeta las imágenes de las páginas abiertas del catálogo y nombra cada archivo con el código de producto, con una tabla que relaciona código, nombre del producto, enlace de la imagen y nombre de archivo. Envíenos la web, una categoría y una página de producto, una o dos páginas guardadas desde su navegador y cómo nombrar los archivos. Recibe código Python, un archivo de configuración y un README y lo ejecuta en su ordenador, así que los archivos le llegan directamente a usted. Guarde solo imágenes que pueda usar: las suyas o las que el propietario le permita. Los archivos se guardan tal como los da la web. Lee páginas abiertas a un ritmo prudente y nunca inicia sesión ni se salta captchas o protecciones. Usted decide si las condiciones de la web lo permiten; un cambio posterior de estructura requiere una actualización.

Qué incluye

• Qué recibeUn archivo ZIP con el código Python, un archivo de configuración y un README con instrucciones paso a paso; el código también se muestra en la página del pedido.
• Archivos con el nombre que quieraPor código de producto, con _1, _2, _3 para las fotos extra
• Una tabla que los acompañaCódigo, nombre del producto, enlace de la imagen y nombre de archivo
• La versión más grandeCuando la página enlaza a una imagen mayor, toma esa
• Ritmo prudenteUna pausa entre páginas, fijada en la configuración
• Se ejecuta en su ordenadorWindows, macOS o Linux, con Python

Cómo funciona

1. 1
   PáginasUsted da el catálogo, una página de producto guardada y los nombres de archivo
2. 2
   ParserEscribimos el código y la guía para ejecutarlo
3. 3
   EjecuciónLo ejecuta y revisa la primera carpeta de imágenes
4. 4
   CambiosPide cambios dentro de su paquete y nos envía cualquier mensaje de error

Qué necesitamos de usted

La web y las páginas exactas: un enlace a una categoría y a una página de producto, y cuántos productos e imágenes hay aproximadamente. Cómo nombrar los archivos, p. ej., por código de producto con _1, _2. Los campos de la tabla que necesita además del nombre de archivo. Una o dos de esas páginas guardadas desde su navegador (Archivo > Guardar página como). Y su confirmación de que las imágenes son suyas o de que el propietario le permite usarlas.

Le preguntaremos:

• ¿Qué web y qué páginas?
• Cómo nombrar los archivos
• ¿Cuántas imágenes aproximadamente?
• ¿De quién son las imágenes?

Comparar paquetes

Preguntas y respuestas

¿No encontró su respuesta? Pregúntenos