PLAYWRIGHT: пишем парсер OZON
Сегодня будем писать парсер для популярного маркетплейса OZON на Python используя библиотеку Playwright.
Playwright - это универсальная библиотека, которая обеспечивает удобные инструменты для автоматизации браузера. Мы научимся находить элементы на веб-странице, выполнять клики, ожидать появления элементов, вводить данные и многое другое.
Ссылка на документацию: playwright.dev/python/docs/intro
Ссылка на код из видео: github.com/Duff89/ozon_parser
Приватные прокси за 99 руб: proxy6.net/?r=54545
Купон на скидку: SdSq8wCwJA
Приватные прокси на короткий срок и большим выбором гео:
proxyline.net/?ref=212089
Купон на скидку: EYvdLcmgSy4tUcBP5uk
Поддержать канал:
yoomoney.ru/to/410014382689862
или
2204 1201 0103 5539
Контакт для связи: sergeichopolovich1989@gmail.com
#python #parsing #scraping #playwright #ozon #tutorial
Пікірлер: 107
Большое спасибо за хороший пример по playwright! И отдельное спасибо за то, что не спешишь никуда, когда объясняешь. Очень хорошо объясняешь в теме автоматизации и парсинга, приятно слушать. Желаю успехов)
Автору респект!!! Огромное спасибо за видос! Мотивирует😊 Однозначно за курс по Playwright
Спасибо, дружище! Не все успеваешь посмотреть новое и проверить. Такие видео крайне полезны! лайк и подписка!
однозначно хотим видеть курс по playwright
Спасибо большое автору, объясняет доходчиво, однозначно лайк.
Playwright год назад юзал. Информации на русском вообще не было. Индусов смотрел. И по SeleniumBase на русском только Ваше видео. Так что у Вас работы не початый край. ))) Спасибо. Как всегда, отличный контент. Да еще и ООП! Евгений.
@the_parse_hub
9 ай бұрын
Спасибо, по Playwright на русском действительно очень мало информации, нужно исправлять
Познавательное видео.Ждем продолжение.
Поставил тебе еще на гитхабе звезд! продолжай в том же духе! будем смотреть :)
Хотим увидеть курс,и поддержим.
@the_parse_hub
9 ай бұрын
Курс уже в разработке. Хочется выпустить сразу весь, чтобы всем было удобно. В связи с нехваткой времени, не могу точно сказать когда он будет готов
Спасибо за видео!
Спасибо за видео. Оставляю комментарий для того, чтобы отблагодарить автора видео, а также для того, чтобы поддержать канал! Надеюсь, символов в комментарии достаточно, чтобы ютуб его засчитал и начал больше продвигать видос xD
@the_parse_hub
9 ай бұрын
Спасибо!
Отличное образовательное видео 👍
Просто супер
Как всегда топчик контент 👍
хотим увидеть курс по плейрайт!!!
спасибо. норм тема.)))
Ваш канал и видео просто супер💪👍👍 подскажите пожалуйста что бы сработал кусочек кода JavaScript, весь JS нужно установить?? А то что то не срабатывает прокрутка страницы
сильно ))
👍👍👍👍👍👍👍👍
👍👍👍👍👍👍👍👍👍👍👍👍
Здравствуйте, а будут видео по Pytest?
@the_parse_hub
9 ай бұрын
В разработке курс по playwrite, pytest там тоже рассмотрим
Что вы сделали, чтобы убрать лишние окна в IDE на 26:30? И ещё у меня postman не разрешает javascript, поэтому я не могу посмотреть ответ ozon. Как у вас получилось? Заранее спасибо за ответ
@the_parse_hub
9 ай бұрын
Лишние окна в ide убрались на монтаже, никакой магии. А насчет postman, где там javascript? Мы просто посылаем какой-то запрос, не более этого
@sin37332
9 ай бұрын
@@the_parse_hub вы удалили комментарий?
Спасибо за видео. Как вы говорили, возможно эмулировать андройд,где можно ознакомиться с подобным функционалом,буду благодарен
@the_parse_hub
10 ай бұрын
Спасибо! Насчет эмуляции можно подробнее почитать здесь: playwright.dev/python/docs/emulation
@duckandcover0
9 ай бұрын
@@the_parse_hub Как понимаю речь идёт только эмуляции браузера,а как парсить приложения для которых нет реализации в браузере
Добрый день, сделал все как на видео, но при нажатии на кнопку поиска вылезает капча. Ставил разную задержку, тайм слип и тд. Не помогает. В принципе, могу и без поиска обойтись, т.е. по прямой ссылке, но хочется все-таки с поиском. Как исправить?
@the_parse_hub
9 ай бұрын
Почти все сайты дико не любят когда кто-то парсит результаты поиска, есть такой момент. Как это обойти в данном случае: для начала я бы установил какой-то нормальный юзерагент, если не поможет - попробуйте установить форк playwright, который по идее должен не палиться github.com/QIN2DIM/undetected-playwright Я его еще ни разу не устанавливал, так что с подсказать больше по нему ничего не смогу
Крутое видео, но почему ты xpath не пользуешься, например модно было находить имя продавца?
@the_parse_hub
10 ай бұрын
Спасибо! Насчет xpath - это тоже не всегда панацея, но в данном случае я сделал это специально
Новый контекст это по сути новый профиль? К нему можно подвязать куки и прокси? Не згаете есть ли к этой библиотеке что-то типа как selenium-stealth?
@the_parse_hub
10 ай бұрын
Насчет контекст=профиль верно. Насчет stealth не подскажу, раньше у меня playwright нормально работал на сайте с cloudflare и потребности в stealth не было, как сейчас не знаю, это нужно пробовать
Привет, а как прокинуть опции в браузер, например, флаг "--start-maximized", чтобы развернуть его на весь экран??? За работу лайк однозначно, так держать!!!
@the_parse_hub
8 ай бұрын
Спасибо! Это можно сделать при добавлении контекста, к примеру так: self.context = browser.new_context(viewport={"width": 1920, "height": 1080})
@AlexRootx
8 ай бұрын
Спасибо тоже!@@the_parse_hub
Подскажи как ты сохраняешь сессию пользователя при работе с библиотекой? куки в коде не используешь, но при запуске твой акк всегда остается автоматизированным, спасибо
@the_parse_hub
9 ай бұрын
У меня в видео был открыт ozon в моём обычном Chrome, я там был залогинен и показывал примеры. А при запуске скрипта открывался другой Chrome, там я не авторизован. Но авторизация в playwright работает просто: # Сохранить storage = context.storage_state(path="state.json") # Загрузить context = browser.new_context(storage_state="state.json")
@GolosPro
9 ай бұрын
@@the_parse_hub Работает!!!! :)
Хочется увидеть playwright c прокси
при запуске вылетает ошибка, Executable doesn't exist at AppData\Local\ms-playwright\chromium-1076\chrome-win\chrome с предложением запустить команду plawright install. нО это уже сделано было. порывшись в инете, народ пишет, что надо запустить установку npx plawrigth. но к сожалению, пишет что npx имя не распознано. Есть решение ?
@the_parse_hub
8 ай бұрын
Не уверен, но возможно у Вас установлен playwright глобально и локально и он путается в версиях браузера. Попробуйте полностью его удалить и установить заново в виртуальном окружении
@nokeppivanoff4353
7 ай бұрын
@@the_parse_hub переустановка помогла, но теперь озон включает капчу после поиска
@the_parse_hub
7 ай бұрын
@@nokeppivanoff4353 да, такое бывает
@nokeppivanoff4353
7 ай бұрын
@@the_parse_hubаха. так значит ваше видео тут бестолку, т.к. спарсить озон не получается, решений у вас нет. Блокировку обойти решения нет. Ну и смысл ?
@the_parse_hub
7 ай бұрын
@@nokeppivanoff4353 аха, если Вы до сих пор не поняли, то я объясню: решения в парсинге не бывают вечными (особенно на таких сайтах как Авито, Ямаркет, Озон и пр.), а требуют постоянной доработки и изменений. Это постоянная игра в кошки-мышки. Также выходят новые версии библиотек, убираются одни методы, добавляются другие (как раз этот случай с Playwright). Именно поэтому разные компании, которые занимаются парсингом, продают как правило парсинг как услугу, а не как готовый продукт. Как-то так, надеюсь доступно объяснил
Спасибо автору за отличные видео. Скажите, кто-нибудь пробовал парсить Яндекс маркет? Помогите, пожалуйста, советом у кого получилось обходить капчу(
@the_parse_hub
9 ай бұрын
Я еще не пробовал
Интересно как он в плане оставления отпечатков, хочу автоматизировать одну весч, но за это банят) Пробовал на селениуме, через сутки забанили )
@the_parse_hub
4 ай бұрын
По отпечаткам тот же селениум. Лучше использовать форки undetected_chromedriver или undetected_playwright, ну и не забывать, что банить могут и по другим признакам, например один ip, слишком быстрые действия, работа 24х7 и т.д
@djbenzin36
4 ай бұрын
@@the_parse_hub спасибо за совет
Здравствуй! А у тебя есть Дискорд сервер? Было бы хорошо и удобно спрашивать там вопросы по видео
@the_parse_hub
Ай бұрын
нет, нету
@MrYoru
Ай бұрын
@@the_parse_hub А вы планируете сделать?
@the_parse_hub
Ай бұрын
@@MrYoru Пока нет, по возможности стараюсь отвечать в комментариях, на дискорд просто не хватит времени
пока нахожусь на 15 минуте ролика как мне кажется, перед тем, как что то вводить, лучше всегда сначала использовать метод .click(), иначе есть риск, что во время исполнения скрипта текст не введется полностью. Я вот сейчас пытаюсь с помощью скрипта входить в админку в вордпрессе и без .click() у меня через раз логин полностью прописывается
@the_parse_hub
3 ай бұрын
Частично согласен, но здесь всё зависит уже от конкретного сайта
Привет. Подскажи может пропустил. Почему тебя не блочит клаудфлэр?
@the_parse_hub
10 ай бұрын
Привет! Конкретно на Ozon проверка капчи cloudflare произойдет, если мы сделаем много действий за короткий промежуток времени
Погнали на джаве, напишешь парсер)))
@netcattop
9 ай бұрын
Даже интересно, получится ли это у питониста
@the_parse_hub
9 ай бұрын
Что к чему?
может вместо enumerate просто срез сделать
Борода.
Добрый день! Можно ли создать такой парсер на сервере без графического интерфейса?
@the_parse_hub
2 ай бұрын
Имеется ввиду наверное не создать, а запустить. Можно, headless там есть
@IT_channel-py3nd
2 ай бұрын
@@the_parse_hub Да, именно запустить. Понял, спасибо!
Есть ощущение, что слушаю Олега Молчанова
@user-ny9ux9ss8n
5 ай бұрын
Кто это такой ??
@user-qi8tp1bs2g
5 ай бұрын
@@user-ny9ux9ss8n я когда-то не знал питон, и его видео заложили базу.Один из лучших, в этой области.
Добрый день.Благодарю за видео.Но почему то страница не загружается.Показывает что ошибок ноль и все, браузер не открывается.Что это может быть?
@the_parse_hub
10 ай бұрын
Попробуйте запустить в debug режиме и посмотреть где проблема, если не умеете - расставьте несколько вспомогательных print в коде
@user-op9yy3ky8h
9 ай бұрын
@@the_parse_hub ок
На моменте, когда нужно вывести 5 ссылок отпал. Вроде хорошее знание python, но такой костыль. Вы собрали СПИСОК из ссылок, в чем проблема было сделать срез списка? for link in links[:5] Все.
@the_parse_hub
2 ай бұрын
Не Вы один это заметили) Косяк признаю, видимо у меня была мысль что-то сделать там еще или по-другому, хз, ничего уже не поменять
Дружище, что ты со списком ссылок делаешь… Есть прекрасный способ, называется срез, тогда код бы выглядел еще лаконичнее: for link in links[:5]: … А так спасибо за видео
@the_parse_hub
6 ай бұрын
Я уже сам не понимаю, почему я сделал именно так)
@user-zu2je2qm1g
6 ай бұрын
тоже резало глаз, хотел написать, а потом твой комментарий увидел)
Нашел press('Enter')
А если мне сразу озон выдаёт проверку на то человек ли я и потом ошибку ВПН выдаёт, то что делать тогда ? 14:35
@the_parse_hub
4 ай бұрын
Озону не нравится парсинг. Попробуйте увеличить паузы в скрипте, месяц назад это помогло, но на самом деле нужно искать другие способы парсинга - этот слишком нестабильный
@erikkaramian8005
4 ай бұрын
@@the_parse_hub да помогло запускать браузер с одним дополнительным аргументом и дальше по видео повторилось все легко
@the_parse_hub
4 ай бұрын
@@erikkaramian8005 вот и отлично
@user-ki3dy4gh6b
3 ай бұрын
@@erikkaramian8005 не подскажите что добавиили?
Спойлер, чтобы не тратили зря своё время. Это уже не актуально. Оно так не работает уже в случае с ozon((. Но автору спасибо. В образовательных целях было полезно)) Лайк
@the_parse_hub
7 ай бұрын
Я прекрасно понимаю, что такого вида парсеры не могут работать вечно, да и писался он больше в учебных целях, но ради интереса решил проверить сегодня его работоспособность: 1) После нескольких пробных запусков понял, что нужно добавить паузу перед тем как писать в поле поиска, добавил простой time.sleep(5) и всё заработало 2) Есть проблемы с чтением имени продавца, но и там не хватает обычной паузы 3) 90% проблем возникает из-за того, что в данном видео использовался playwright==1.36.0, сейчас это уже устаревшая версия, но никто не мешает установить именно её 4) Помните, что это не готовый рабочий продукт, а всего лишь что-то вроде прототипа и писалось для демонстрации работы playwright в реальных условия
Зачем парсить хтмл если можно слушать сеть и поймать запрос к апи и парсить удобный json?
привет, напишешь мне парсер на озон? я бабки скину
@the_parse_hub
2 ай бұрын
Привет. Пиши на почту что конкретнее нужно. Почта в описании
Чтобы селениум не блочили нужны танцы с бубнами.
@the_parse_hub
10 ай бұрын
нужно всего-лишь установить stealth или undetected_chromedriver, вот и все танцы
@konstantin_uphimtsev
10 ай бұрын
@@the_parse_hub к сожалению есть абсолютно злые сайты и это не поможет
@user-sb6ke7nm8j
9 ай бұрын
@@the_parse_hub не помогает ни stealth, ни undetected_chrome. Cloudflare срабатывает сразу на старте страницы, никаких действий еще не сделал. А undetected_chrome перестал проходить какие-либо защиты еще пару недель назад, до этого cloudflare обходил исправно. UPD: после корректировки аргументов, селениум stealth обходит cloudflare при старте страницы.
ozon уже не попарсишь
@the_parse_hub
5 ай бұрын
Таким способом - скорее всего уже не получится. Но вообще спарсить можно всё - весь вопрос в доступных ресурсах
Подскажите, можно им парсить инстаграм? Использую selenium и bs4 для парсинга количествоюа подписчиков. Но сайт меня блочит через не которое количество повторений
@the_parse_hub
3 ай бұрын
Для парсинга защищенных сайтов используйте лучше undetected_playwright, ну и не забывайте, что банить сайты могут и по поведению