Um parser em Python que reúne receitas abertas em uma tabela: título, categoria, tempo, rendimento, ingredientes 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

Blogueiros de culinária migrando as próprias receitas, apps de culinária e serviços de planejamento de refeições usam este parser para montar uma tabela de receitas a partir de páginas abertas: título, categoria, cozinha, tempo de preparo, rendimento, ingredientes, modo de preparo, calorias quando a página mostra, link da imagem e link. Muitas páginas de receitas também guardam esses dados em um bloco estruturado oculto, e o parser o lê quando ele existe. Envie o site, uma categoria e uma página de receita e uma ou duas páginas salvas no seu navegador. Você recebe o código em Python, um arquivo de configurações e um README e roda no seu computador. Textos e fotos de receitas pertencem aos autores: use só o que você puder. Os nomes dos autores ficam de fora. 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; uma mudança futura de layout 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.
• Ingredientes em listaUm ingrediente por linha em uma célula, ou uma aba separada
• Tempo e rendimentoComo números que você pode filtrar
• Links das imagensSó links; use as fotos que você puder
• Ritmo educadoUma pausa entre as páginas, definida nas configurações
• Roda no seu computadorWindows, macOS ou Linux, com Python

Como funciona

1. 1
   PáginasVocê passa o site, uma categoria e uma receita salva
2. 2
   ParserEscrevemos o código e o guia para rodá-lo
3. 3
   ExecuçãoVocê roda e confere duas receitas com o site
4. 4
   AjustesVocê pede ajustes dentro do seu pacote e envia qualquer mensagem de erro

O que precisamos de você

O site de receitas e as páginas exatas: um link para uma categoria e para uma receita, e mais ou menos quantas receitas. Os campos de que você precisa, ex.: título, categoria, cozinha, tempo, rendimento, ingredientes, modo de preparo, calorias, link da imagem. Como os ingredientes devem ficar: em uma célula ou em uma aba separada. Uma ou duas dessas páginas salvas no seu navegador (Arquivo > Salvar página como). E se são receitas suas ou de outro site.

Vamos perguntar:

• Qual site e quais páginas?
• Os campos de que você precisa
• Mais ou menos quantas receitas?
• Como os ingredientes devem ficar?

Compare os pacotes

Perguntas e respostas

Não encontrou a resposta? Pergunte