Um parser em Python que reúne agendas abertas de eventos e shows em uma tabela: data, local, cidade, preço e link

Exemplo de resultado

def product_links(list_url: str) -> Iterator[str]:
    """Links das páginas de produto de todas as páginas da lista, seguindo o botão 'Próxima'."""
    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:
    """Uma página aberta, em um ritmo educado: uma pausa entre as requisições e algumas tentativas em caso de erro."""
    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 respondeu %s, tentativa %d de 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} não abriu depois de 3 tentativas")

Sobre este serviço

Guias de cidade, casas de shows e produtores usam este parser para reunir agendas abertas de eventos em uma tabela: nome do evento, categoria, data e horário de início, local, cidade, preço a partir de, classificação etária, link dos ingressos e link da imagem. Envie a página de agenda do site, como a de uma casa de shows, um guia da cidade ou um site de ingressos, uma página de evento e uma ou duas páginas salvas no seu navegador. Escrevemos o código em Python; você o recebe com um arquivo de configurações e um README e roda no seu computador antes de atualizar a sua própria agenda. Ele não compra ingressos, não verifica lugares livres e não coleta dados pessoais de organizadores ou público. Ele lê páginas abertas em um ritmo educado e nunca faz login nem contorna captchas ou proteções. Você decide se os termos do site permitem, e uma mudança futura no layout dele exige uma atualização.

O que está incluído

• O que você recebeUm arquivo ZIP com o código em Python, um arquivo de configurações e um README com instruções passo a passo; o código também aparece na página do pedido.
• Datas que você pode ordenarData e hora em um só formato, para a tabela ordenar por dia
• Links dos ingressosUm link para a página do próprio evento ou a página de ingressos
• Links das imagensCartazes como links; use-os só se puder
• Ritmo educadoUma pausa entre as páginas, definida nas configurações
• Roda no seu computadorWindows, macOS ou Linux, com Python

Como funciona

1. 1
   AgendaVocê passa a página de agenda e uma página de evento salva
2. 2
   ParserEscrevemos o código e o guia para rodá-lo
3. 3
   ExecuçãoVocê roda e confere as datas dos primeiros eventos
4. 4
   AjustesVocê pede ajustes dentro do seu pacote e envia qualquer mensagem de erro

O que precisamos de você

O site e as páginas exatas: um link para a agenda e para uma página de evento, e mais ou menos quantos eventos há. Os campos de que você precisa na ordem da sua tabela, ex.: nome, categoria, data, horário, local, cidade, preço a partir de, link. Uma ou duas dessas páginas salvas no seu navegador (Arquivo > Salvar página como) ou capturas de tela. O formato de data que você quer e CSV ou Excel.

Vamos perguntar:

• Qual site e quais páginas?
• Os campos de que você precisa
• Mais ou menos quantos eventos?
• Só alguns eventos?

Compare os pacotes

Perguntas e respostas

Não encontrou a resposta? Pergunte