Вітаю. З цієї біржи мені допомогли різні спеціалісти розробити парсер. Відгуки у профілі. Постійно його удосконалювали. Шукаю ще одного спеціаліста по python на постійну співпрацю. По словах тих хто мені робив, додати функцію, дописати код перевірки та видалення посилань з статей, не займе багато часу. Ісходним кодом я не розкидаюсь, це персоналізована програма, із конфіденційними даними. Ніякого github. Чи скиньте код, в архіві. Усі хто працював зі мною, підключались до мене через любу програму, для прикладу Anydesk, як що вам мій редактор і компілятор Phycharm не зручний, тоді ви підключились і скопіювали потрібний вам фрагмент коду. Дописали у своєму редакторі, вернулись назад і замінили старий код. Зібрати (скомпілювати нову версію програми) я і сам можу, то не є проблема. Так підходило усім хто зі мною працював. Можу відразу зробити резерв в проект. За незручність можу додати коштів. Я все розумію! Но і зрозумійте мене! Писати багато коду не потрібно буде.
Задача!
В мене є функія в парсері. Download image. Вставляю в блок силки з картинками. І він їх скачує. Все просто!
Що потрібно доробити. Щоб парсер мав кнопку вибрати файл. В нього я буду завантажувати файл Exel. В файлі, в колонці будуть статі в форматі html розмітки, з кодом, тегами і атрибутами короче. В кожній статі є силка такому форматі a href: https://тест.ком/image/image123456.jpg
Потрібно дописати функцію (логіку). Щоб він пройшовся по цих посиланнях зі статі. І скачав картинки. Увага! Картинки які він не може скачати, і в них код відповіді логічно не 200, а 404 чи інший який означає, що неможливо скачати. Потрібно щоб парсер видаляв з коду статі силку разом з тегом a href. І видаляв її з колонки Image, де є посилання. Також важливо! В мене є в екселі колонка, в якій є силки на картинки зі статі. Можливо можна все максимально спростити. Він пройшовся би по цих колонках в яких посилання на картинки, скачав би картинки які можна скачати. Потім зробив собі список url по яким картинки не скачались, і потім пройшов би уже по колонці зі статями та видаляв би ці силки зі статей. Можливо так краще, і легше прописати. Важливо! Тільки щоб він не чіплявся до домену. А тільки до назви самих картинок. Бо назви доменів, в цих двох колонках різні. В статях посилання з одним доменом. А в колонці посилання по яким вони скачуються там домени різні.
Приклад:
В колонці Content. Де статі, силка на картинку: site.com/image12345.jpg
В колонці Image. Де силки на скачуваня картинок: test.com/image12345.jpg
Но це не проблема, щоб він по назвах картинок типу image12345.jpg проходився по статях і видаляв посилання разом з їхніми тегами.
Про сам парсер.
Код написаний на Python. Запити на сервер виконуються через aiohttp, бо проект є асинхронним, тобто паралельно відправляються запити на сервер, а не по порядку. Збірка виконана через бібліотеку PyInstaller. Запускаю .exe программу, і запускається командна строка. А сам парсер відкривається в браузері, локально по адресу 127: і так далі. Дякую за увагу!
