-
Notifications
You must be signed in to change notification settings - Fork 0
/
famosos.py
178 lines (148 loc) · 7.22 KB
/
famosos.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
__author__ = 'Gabriel'
from bs4 import BeautifulSoup as bs
import model
import urllib.request
import urllib.error
import time
def limpezaNome(i):
i = str(i)
i = i.replace("'",""); '''Retirada de aspas simples dos nomes '''
'''Retirada de conectivos dos nomes (exemplo: "do da de") '''
todosNomes = i.split(" ")
i = ""
for j in todosNomes:
if len(j) > 3 or j == todosNomes[0] or j == todosNomes[len(todosNomes) - 1]:
if len(i) == 0:
i = j
else:
i += " " + j
''' fim da retirada doss conectivos '''
return i
def crawlerFamosoRelacionados(i):
famoso = {'id': i[0], 'nome': i[1].strip(), 'link': i[2], 'nascimento': i[3], 'idade': i[4], 'signo': i[5], 'relacionamento': i[6], 'conjuge': i[7]}
try:
html = urllib.request.urlopen("http://ego.globo.com" + famoso['link'])
soup = bs(html, "html.parser")
listaRelacionados = soup.find("ul", class_ = "famosos-relacionados")
print(str(famoso['nome']))
if listaRelacionados != None:
listaRelacionados = listaRelacionados.find_all("a")
for j in listaRelacionados:
linkRelacionado = j.attrs['href']
nomeRelacionado = j.find("img").attrs['alt']
'''nomeRelacionado = limpezaNome(nomeRelacionado)'''
famosoRelacionado = {"idFamoso1": famoso['id'], "nome": nomeRelacionado, "link": linkRelacionado }
if model.verificarFamosoRelacionadoJaInserido(famosoRelacionado['idFamoso1'],famosoRelacionado['nome']) == False:
if model.inserirFamosoRelacionado(famosoRelacionado) == True:
print(" - Famoso: " + str(famosoRelacionado['nome']) + " inserido com sucesso.")
else:
print(" - Famoso: " + str(famosoRelacionado['nome']) + " já inserido.")
return True
except urllib.error.HTTPError as e:
if e.code == 404:
print("Pagina do famoso nao encontrada")
model.gravarLog(idMensagens = 11, idFamoso = famoso['id'])
return False
else:
print(str(e) + " Famoso: " + str(famoso['nome']))
return False
except Exception as e:
print(str(e))
return False
def crawlerListaFamosos():
html = urllib.request.urlopen("http://ego.globo.com/famosos/")
soup = bs(html, "html.parser")
listahtmlfamosos = soup.find(id = 'main').find_all("a")
qtdAtualFamosos = 0
qtdTotalFamosos = len(listahtmlfamosos)
for i in listahtmlfamosos:
qtdAtualFamosos += 1
famoso = { 'link': i.get('href'), 'nome': i.get_text() }
try:
htmldetalhes = urllib.request.urlopen("http://ego.globo.com" + famoso['link'])
soupdetalhes = bs(htmldetalhes, "html.parser")
detalheshtml = soupdetalhes.find("ul", class_ = "detalhes")
if detalheshtml != None:
relacionamento = detalheshtml.find("li", class_="relacionamento")
if relacionamento != None:
relacionamento = relacionamento.get_text()
relacionamento = relacionamento.split(" ")
relacionamento = relacionamento[0]
relacionamento = relacionamento.replace("\n", "")
if relacionamento == "casada": relacionamento = "casado"
if relacionamento == "solteira": relacionamento = "solteiro"
if relacionamento == "divorciada": relacionamento = "divorciado"
relacionamento = model.buscarTipoRelacionamento(relacionamento, famoso['nome'])
else:
relacionamento = 0
conjuge = detalheshtml.find("li", class_="relacionamento")
if conjuge != None:
conjuge = conjuge.find("a")
if conjuge != None:
conjugeNome = conjuge.get_text()
'''conjugeNome = limpezaNome(conjugeNome)'''
conjuge = model.inserirConjuge(conjugeNome, famoso['nome'])
else:
conjuge = 0
else:
conjuge = 0
idade = detalheshtml.find("li", class_ = "aniversario")
if idade != None:
idade = idade.get_text()
idade = idade.split("(")
idade = idade[len(idade) - 1]
idade = int(idade[:2])
datanascimento = detalheshtml.find("time")
if datanascimento != None:
datanascimento = datanascimento['datetime']
signo = detalheshtml.find("li", class_ = "signo")
if signo != None:
signo = signo.find("a").get_text()
signo = model.buscarSigno(signo, famoso['nome'])
'''famoso['nome'] = limpezaNome(famoso['nome'])'''
famoso.update({'nome': famoso['nome'].strip(), 'idade': idade, 'datanascimento': datanascimento, 'signo': signo, 'relacionamento': relacionamento, 'conjuge': conjuge })
model.inserirfamososdb(famoso,qtdAtualFamosos, qtdTotalFamosos)
except urllib.error.HTTPError as err:
if err.code == 404:
model.gravarLog(idMensagens = 11, nomeFamoso = famoso['nome'])
print("Página não encontrada. Gravado no log com sucesso! Famoso: " + famoso['nome'])
relacionamento = conjuge = idade = datanascimento = signo = ''
'''famoso['nome'] = limpezaNome(famoso['nome'])'''
famoso.update({'nome': famoso['nome'], 'idade': idade, 'datanascimento': datanascimento, 'signo': signo, 'relacionamento': relacionamento, 'conjuge': conjuge })
model.inserirfamososdb(famoso)
else:
model.gravarLog(idMensagens = 12, nomeFamoso = famoso['nome'])
print("Erro inesperado ao obter detalhes do famoso. Gravado no log com sucesso! Famoso: " + famoso['nome'])
'''
tentarNovamente = True
qtd = 0
while tentarNovamente == True:
try:
crawlerListaFamosos()
tentarNovamente = False
except Exception as e:
print(str(e))
print("Esperando 5 segundos.....")
time.sleep(5)
qtd += 1
if qtd > 5:
tentarNovamente = False
'''
print("*****************************************************")
print("*****************************************************")
print("***********INICIO FAMOSO RELACIONADO*****************")
print("*****************************************************")
print("*****************************************************")
tentarNovamente = True
posicaoFamoso = qtdTentativas = 1830
listafamosos = model.buscarListaFamoso()
while posicaoFamoso <= (len(listafamosos) - 1):
print("Famoso: " + str(posicaoFamoso + 1) + "/" + str(len(listafamosos)))
if crawlerFamosoRelacionados(listafamosos[posicaoFamoso]) == True:
posicaoFamoso += 1
else:
print("Esperando 5 segundos.....")
time.sleep(5)
qtdTentativas += 1
if qtdTentativas > 5:
posicaoFamoso += 1