вступление
Этот блог POST – это продолжение серии Scraping сети Google. Здесь вы увидите, как соскребать рецепт Google результатов из органических результатов с использованием Python с Beautifulsoup
, Запросы
, lxml
Библиотеки. Будет показано альтернативное решение API.
Импорт
import requests, lxml from bs4 import BeautifulSoup from serpapi import GoogleSearch
Что будет соскрешено
Процесс
Селекторгаджет Chrome расширение использовали для захвата CSS
селекторы.
Выбор Контейнер, название, рейтинг, отзывы, время для приготовления, ингредиенты, источник
Выбор Урл
Код
import requests, lxml from bs4 import BeautifulSoup headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.19582" } params = {"q": "lasagna recipe", "hl": "en", 'gl': 'us'} response = requests.get("https://www.google.com/search", params=params, headers=headers) soup = BeautifulSoup(response.text, 'lxml') for result in soup.select('.cv2VAd'): try: title = result.select_one('.hfac6d').text except: title = None source = result.select_one('.KuNgxf').text total_time = result.select_one('.z8gr9e').text # returns a list() if need to extract certain ingredient ingredients = result.select_one('.LDr9cf').text.split(',') rating = result.select_one('.YDIN4c').text reviews = result.select_one('.HypWnf').text.replace('(', '').replace(')', '') print(f'{title}\n{source}\n{total_time}\n{rating}\n{reviews}\n{ingredients}\n') -------------- ''' World's Best Lasagna Allrecipes 3 hr 15 min 4.8 19K ['Sweet italian sausage', ' lean ground beef', ' ricotta cheese', ' tomato sauce', ' lasagna noodles'] '''
Извлечение всех рецептов
Если вы хотите расширить эту программу и извлечь каждый рецепт, который обеспечивает Google, то пришло время Селен
Отказ
Я считаю, что там несколько способов заставить его работать, я покажу один подход.
Чтобы получить актуальные нажатия, пока нечего нажать, нам нужно использовать в то время как
петля в сочетании с .is_displayed ()
Метод который возвращает Истинный
или Ложь
Отказ
Логика в том, что она нажимает на Показать больше кнопка И как только нечего нажимать на нее вырваться из в то время как
Структура и начать царапать все рецепты, которые, где загружены во время нажатия:
В то время как
Объяснение фриппета петли:
while True: # locates show more button element show_more_button = driver.find_element_by_xpath().is_displayed() time.sleep(1) try: # clicks on show more button WebDriverWait(driver, 20).until(EC.element_to_be_clickable((By.XPATH, ))).click() except: # pass were used to ignore exception error and continue execution pass # if show_more_button element becomes False, breaks the loop if show_more_button == False: break # under the hood it looks like this ''' True True True True True True True True True True True True False # breaks from the loop '''
Полный код:
import time from selenium import webdriver from selenium.webdriver.chrome.options import Options from selenium.webdriver.support.wait import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.common.by import By driver = webdriver.Chrome(executable_path='path/to/chromedriver.exe') driver.get('https://www.google.com/search?q=lasagna+recipe&hl=en') # buffer for everything to load time.sleep(10) while True: # returns True or False. If element is not displayed (False), breaks out of the while loop # pardon my french (xpath) show_more_button = driver.find_element_by_xpath('/html/body/div[7]/div/div[10]/div[1]/div/div[2]/div[2]/div/div/div[1]/div/div/g-section-with-header/div[2]/g-expandable-container/div/div/div/div[5]/div[2]').is_displayed() print(show_more_button) # just for debug time.sleep(1) try: WebDriverWait(driver, 5).until(EC.element_to_be_clickable((By.XPATH, '/html/body/div[7]/div/div[10]/div[1]/div/div[2]/div[2]/div/div/div[1]/div/div/g-section-with-header/div[2]/g-expandable-container/div/div/div/div[5]/div[2]'))).click() except: pass # if show_more_button element becomes False, break the loop if show_more_button == False: break for index, result in enumerate(driver.find_elements_by_css_selector('.cv2VAd')): try: title = result.find_element_by_css_selector('.hfac6d').text except: title = None link = result.find_element_by_css_selector('.cv2VAd .v1uiFd a').get_attribute('href') source = result.find_element_by_css_selector('.KuNgxf').text try: total_time = result.find_element_by_css_selector('.wHYlTd').text except: total_time = None try: # stays the list if need to extract certain ingredient ingredients = result.find_element_by_css_selector('.LDr9cf').text.split(',') except: ingredients = None try: rating = result.find_element_by_css_selector('.YDIN4c').text except: rating = None try: reviews = result.find_element_by_css_selector('.HypWnf').text.replace('(', '').replace(')', '') except: reviews = None print(f'{index + 1}\n{title}\n{link}\n{source}\n{total_time}\n{ingredients}\n{rating}\n{reviews}\n') driver.quit() ----------- ''' 1 # first element World's Best Lasagna https://www.allrecipes.com/recipe/23600/worlds-best-lasagna/ Allrecipes 3 hr 15 min ['Sweet italian sausage', ' lean ground beef', ' ricotta cheese', ' tomato sauce', ' lasagna noodles'] 4.8 19K ... 102 # last element Last Minute Red LasagnaLast Minute Red Lasagna101 Cookbooks 40 min ['Whole wheat no', ' red lentils', ' red pepper flakes', ' fresh pasta sheets', ' mozzarella cheese'] 4.4 29 '''
Обратите внимание, что GIF ускорена
Использование результатов рецептов Google API
Serpapi – это платный API с бесплатным планом.
Разница в том, что вы создаете структурированные JSON с правильно отформатированными данными, например 19k
Отзывы будут 19000
что полезно, если вы выполняете какой-то анализ и не должны тратить время в течение преобразования. Кроме того, вы получаете доступ к данным миниатюр, если вам нужны.
ПРИМЕЧАНИЕ: он соскребает только 3 результата, как и с Beautifulsoup
Отказ
Все результаты рецепта в настоящее время находятся в разработке ( Проверить в документах Если это уже реализовано)
import json # just for pretty output from serpapi import GoogleSearch params = { "api_key": "YOUR_API_KEY", "engine": "google", "q": "lasagna recipe", "gl": "us", "hl": "en" } search = GoogleSearch(params) results = search.get_dict() for result in results['recipes_results']: print(json.dumps(result, indent=2, ensure_ascii=False)) ------------------ ''' { "title": "World's Best Lasagna", "link": "https://www.allrecipes.com/recipe/23600/worlds-best-lasagna/", "source": "Allrecipes", "rating": 4.8, "reviews": 19000, "total_time": "3 hr 15 min", "ingredients": [ "Sweet italian sausage", "lean ground beef", "ricotta cheese", "tomato sauce", "lasagna noodles" ], "thumbnail": "https://serpapi.com/searches/60e58864ad7fa97ae27832be/images/b6c5f341384d29417e5d9a3b87dba8a0a0c34837ef00120357584c23f98de567.jpeg" } '''
Благодарность
- Эван (Evaggelos-Evane) для Показано проблему rep кода и его решение Отказ
Ссылки
Код в онлайн-IDE • Результаты рецептов Google API
Outro.
Если у вас есть какие-либо вопросы или что-то не работает правильно, или вы хотите написать что-то еще, не стесняйтесь бросить комментарий в разделе комментариев или через Twitter на @serp_api Отказ
Твой, димитрий, а остальная часть команды серпапи.
Оригинал: “https://dev.to/dimitryzub/scrape-google-recipe-results-with-python-3n3l”