Un parser Python che raccoglie in una tabella ricette pubbliche: titolo, categoria, tempo, porzioni, ingredienti e link

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

Food blogger che trasferiscono le proprie ricette, app di cucina e servizi di pianificazione dei pasti usano questo parser per creare una tabella di ricette da pagine pubbliche: titolo, categoria, cucina, tempo di preparazione, porzioni, ingredienti, passaggi, calorie quando la pagina le mostra, link all'immagine e link. Molte pagine di ricette conservano questi dati anche in un blocco strutturato nascosto, e il parser lo legge quando c'è. Ci invii il sito, una categoria e una pagina di ricetta 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. Testi e foto delle ricette appartengono ai loro autori: usi solo ciò che può. I nomi degli autori vengono esclusi. Legge pagine pubbliche a un ritmo discreto e non accede mai con login né aggira captcha o protezioni. 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.
• Ingredienti come elencoUn ingrediente per riga in una cella, o un foglio separato
• Tempo e porzioniCome numeri da filtrare
• Link alle immaginiSolo link; usi le foto che può usare
• Ritmo discretoUna pausa tra le pagine, regolata nelle impostazioni
• Gira sul suo computerWindows, macOS o Linux, con Python

Come funziona

1. 1
   PagineLei indica il sito, una categoria e una ricetta salvata
2. 2
   ParserScriviamo il codice e la guida per eseguirlo
3. 3
   AvvioLo esegue e confronta due ricette con il sito
4. 4
   ModificheChiede modifiche nei limiti del pacchetto e invia eventuali messaggi di errore

Cosa ci serve da lei

Il sito di ricette e le pagine esatte: un link a una categoria e a una ricetta, e circa quante ricette. I campi che le servono, es. titolo, categoria, cucina, tempo, porzioni, ingredienti, passaggi, calorie, link all'immagine. Come devono essere gli ingredienti: un'unica cella o un foglio separato. Una o due di quelle pagine salvate dal browser (File > Salva pagina con nome). E se sono ricette sue o di un altro sito.

Le chiederemo:

• Quale sito e quali pagine?
• I campi che le servono
• Circa quante ricette?
• Come devono essere gli ingredienti?

Confronto dei pacchetti

Domande e risposte

Non hai trovato la risposta? Chiedi a noi