Un parser Python per un elenco pubblico di aziende: nome, categoria, città, indirizzo e sito web, nessun contatto personale

Esempio di risultato

def product_links(list_url: str) -> Iterator[str]:
    """Link alle pagine prodotto da ogni pagina dell'elenco, seguendo 'Avanti'."""
    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 pagina pubblica, a un ritmo discreto: una pausa tra le richieste e qualche tentativo in caso di errore."""
    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 ha risposto %s, tentativo %d di 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} non si è aperta dopo 3 tentativi")

Informazioni sul servizio

Per una ricerca di mercato o un elenco di possibili partner, questo parser copia in una tabella un elenco pubblico di attività: nome dell'azienda, categoria, città, indirizzo, link al sito web, breve descrizione, orari di apertura e il link alla pagina dell'azienda nell'elenco. Non raccoglie contatti personali: niente nomi di titolari, direttori o dipendenti, niente email e niente numeri di telefono, quindi la tabella non è una lista per invii o chiamate. Ci invii il sito dell'elenco, una pagina di categoria, una pagina di azienda e una o due pagine salvate dal browser. Riceve il codice Python, un file di impostazioni e un README e lo esegue sul suo computer. Legge pagine pubbliche a un ritmo discreto, non accede mai con login né aggira captcha o protezioni, e non legge Google Maps, LinkedIn o i social network. È lei a valutare se le condizioni del sito lo consentono; un successivo cambio di struttura richiede un aggiornamento.

Cosa è incluso

• Cosa riceveUn archivio ZIP con il codice Python, un file di impostazioni e un README con le istruzioni passo passo; il codice è visibile anche nella pagina dell'ordine.
• Aziende, non personeNiente nomi, email o numeri di telefono
• Categoria e cittàIn colonne separate per i filtri
• Link al sito webCosì può visitare il sito di ogni azienda
• Ritmo discretoUna pausa tra le pagine, regolata nelle impostazioni
• Gira sul suo computerWindows, macOS o Linux, con Python

Come funziona

1. 1
   ElencoLei indica l'elenco, una categoria e una pagina di azienda salvata
2. 2
   ParserScriviamo il codice e la guida per eseguirlo
3. 3
   AvvioLo esegue e confronta le prime aziende con il sito
4. 4
   ModificheChiede modifiche nei limiti del pacchetto e invia eventuali messaggi di errore

Cosa ci serve da lei

Il sito dell'elenco e le pagine esatte: un link a una categoria (e alla città, se il sito ha quel filtro) e a una pagina di azienda, e circa quante aziende ci sono. I campi nell'ordine della sua tabella, es. nome, categoria, città, indirizzo, sito web, descrizione. Una o due di quelle pagine salvate dal browser (File > Salva pagina con nome) o screenshot. CSV o Excel.

Le chiederemo:

• Quale elenco e quali pagine?
• Categorie e città
• I campi che le servono
• Circa quante aziende?

Confronto dei pacchetti

Domande e risposte

Non hai trovato la risposta? Chiedi a noi