Парсер на Python: эпизоды подкаста с его открытого сайта в таблице — номер, название, дата, длина, ссылка

Пример результата

def product_links(list_url: str) -> Iterator[str]:
    """Ссылки на карточки со всех страниц списка, по кнопке «Дальше»."""
    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:
    """Одна открытая страница, без спешки: пауза между запросами и несколько попыток при ошибке."""
    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 ответил %s, попытка %d из 3", url, response.status_code, attempt + 1)
    raise ScraperError(f"{url} не открылся за 3 попытки")

Об услуге

Ведущие, которые переносят подкаст на новый сайт, редакторы описаний выпусков и исследователи получают список эпизодов в таблице: номер, сезон, название, дата, длительность, краткое описание, темы или теги, ссылка на страницу эпизода и ссылка на аудио, если страница её показывает. Парсер читает собственный открытый сайт подкаста или его открытую RSS-ленту, которая есть у большинства подкастов. Пришлите страницу со списком эпизодов, одну страницу эпизода и одну-две страницы, сохранённые из браузера. Вы получите код на Python, файл настроек и README и запустите его на своём компьютере. Он сохраняет ссылки, а не аудиофайлы, и не ведёт столбец с именами гостей. Парсер читает в спокойном темпе, не входит в аккаунты, не обходит капчи и защиту и не читает соцсети и приложения, где нужен аккаунт. Разрешают ли это правила сайта, решаете вы; после смены вёрстки нужна доработка.

Что входит

• Что вы получитеАрхив ZIP с кодом на Python, файлом настроек и README с пошаговой инструкцией; код также виден на странице заказа.
• Эпизоды по порядкуНомер, сезон и дата в отдельных столбцах
• Длительность в минутахЕсли её показывает страница или лента
• Ссылки на эпизод и аудиоТолько ссылки, без аудиофайлов
• Спокойный темпПауза между страницами, задаётся в настройках
• Работает на вашем компьютереWindows, macOS или Linux, с Python

Порядок работы

1. 1
   ПодкастВы даёте список эпизодов или ленту и одну сохранённую страницу эпизода
2. 2
   ПарсерМы пишем код и инструкцию по запуску
3. 3
   ЗапускВы запускаете его и сверяете последние эпизоды с сайтом
4. 4
   ПравкиВы просите правки в рамках пакета и присылаете текст ошибки, если она есть

Что нужно от вас

Сайт подкаста и ссылка на список эпизодов или адрес его открытой RSS-ленты, одна страница эпизода и примерно сколько всего эпизодов. Поля в порядке вашей таблицы, например номер, сезон, название, дата, длительность, описание, теги, ссылка на эпизод, ссылка на аудио. Одна-две такие страницы, сохранённые из браузера («Файл» > «Сохранить страницу как»), или скриншоты. CSV, Excel или JSON.

В брифе мы спросим:

• Какой подкаст?
• Нужные поля
• Сколько примерно эпизодов?
• Файл результатов

Сравнение пакетов

Вопросы и ответы

Не нашли ответ? Спросите