בירור | שמירת סיפור מהאינטרנט לקובץ pdf

[נחמן פלח]

@הייתי-שמח-להבין איך עשית?

[הייתי שמח להבין]

@נחמן-פלח הדפסתי ל-PDF עמוד עמוד, ומיזגתי את הכל לקובץ אחד.

[נחמן פלח]

@הייתי-שמח-להבין אתה צריך לשמוח.
למה?! כי השם משתמש זה הייתי שמח להבין והבנת!! ואם הבנת גם את זה אז תשמח עוד יותר

[הייתי שמח להבין]

@הייתי-שמח-להבין כתב בבירור | שמירת סיפור מהאינטרנט לקובץ pdf:

@משה-שמחה כתב בבירור | שמירת סיפור מהאינטרנט לקובץ pdf:

@הייתי-שמח-להבין
תודה רבה על הטרחה והמאמץ אם תוכל לערוך את הכל לקובץ pdf ולהעלות בצורה שלא יחסם בנטפרי זה מאוד יעזור.

ערכתי בינתיים 2 קבצי PDF המכילים כל אחד 20 עמודים, העליתי אותם לדרייב, והם ניתנים להורדה.
קובץ 1- https://drive.google.com/******file/d/1Feg5cgVR-NISKegPONmc7LU1H1icWSBQ/view?usp=sharing
קובץ 2- https://drive.google.com/file/d/******1sXbURp416YW62Bc_3XEmMbw-7feSRh6m/view?usp=sharing
להסיר כוכביות מהקישורים, אם עדיין יש צורך לערוך עוד תכתוב לי.

[sivan22]

@הייתי-שמח-להבין הנה קוד שיעשה במקומך את כל העבודה:

from base64 import b64decode
import os
import time
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.print_page_options import PrintOptions, Orientation

# some tweaks to bypass bot detection
options = webdriver.ChromeOptions()
options.add_experimental_option("excludeSwitches", ["enable-automation"])
options.add_experimental_option('useAutomationExtension', False)
options.add_argument("--disable-blink-features=AutomationControlled")
options.page_load_strategy = 'normal'
options.headless = True



# initialise webdriver
driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()),options=options)
#driver = webdriver.Chr


for i in range(1,123):
    driver.get("https://online.fliphtml5.com/nejge/kkyl/#p="+str(i))
    time.sleep(1)
  
#save the page to disk
    printOptions = PrintOptions()
    printOptions.orientation="landscape"
    open(str(i)+".pdf", "wb").write(b64decode(driver.print_page(printOptions)))


# after scraping all pages, merge them with pypdf
from pypdf import PdfMerger

files = os.listdir()
pdfs = [s for s in files if '.pdf' in s]
#sorting the file names by number - not alphabethic
def forSorting(s)->int:
    s=s.split('.')[0]
    return int(s)
pdfs.sort(key=forSorting)

merger = PdfMerger()

for pdf in pdfs:
    merger.append(pdf)

merger.write("result.pdf")
merger.close()

והוא אכן עשה את העבודה, הנה התוצאה:
result.pdf
שים לב, @משה-שמחה
אז נעים להכיר את סלניום, מלך הבוטים...

[sivan22]

@משה-שמחה כתב בבירור | שמירת סיפור מהאינטרנט לקובץ pdf:

יש כאן סיפור בהמשכים יש דרך לשמור את כל הסיפור כקובץ pdf לקריאה אופליין?

התשובה בפוסט הקודם.

[משה שמחה]

@הייתי-שמח-להבין כתב בבירור | שמירת סיפור מהאינטרנט לקובץ pdf:

ערכתי בינתיים 2 קבצי PDF המכילים כל אחד 20 עמודים, העליתי אותם לדרייב, והם ניתנים להורדה.

תודה רבה, עכשיו אני יהיה באמצע המתח.

@sivan22 כתב בבירור | שמירת סיפור מהאינטרנט לקובץ pdf:

והוא אכן עשה את העבודה, הנה התוצאה:
result.pdf

בינתיים חסום בנטפרי, שלחתי בקשה לבדיקה.

[נחמן פלח]

@sivan22 איך משתמשים בזה זה נראה מסבך מה עושים עם זה

[sivan22]

@נחמן-פלח זה משתמש בכרום שלך, כדי לגלוש באינטרנט ולעשות כל דבר שיעלה בדעתך באמצעות קוד בפייתון (או בשפות אחרות).
תיעוד https://www.selenium.dev/documentation/webdriver/

[נחמן פלח]

@sivan22 סינית בשבילי תכלס אני רוצה להשתמש בזה איך אפשר

[הייתי שמח להבין]

@sivan22 כתב בבירור | שמירת סיפור מהאינטרנט לקובץ pdf:

@הייתי-שמח-להבין הנה קוד שיעשה במקומך את כל העבודה:

from base64 import b64decode
import os
import time
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.print_page_options import PrintOptions, Orientation

# some tweaks to bypass bot detection
options = webdriver.ChromeOptions()
options.add_experimental_option("excludeSwitches", ["enable-automation"])
options.add_experimental_option('useAutomationExtension', False)
options.add_argument("--disable-blink-features=AutomationControlled")
options.page_load_strategy = 'normal'
options.headless = True



# initialise webdriver
driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()),options=options)
#driver = webdriver.Chr


for i in range(1,123):
    driver.get("https://online.fliphtml5.com/nejge/kkyl/#p="+str(i))
    time.sleep(1)
  
#save the page to disk
    printOptions = PrintOptions()
    printOptions.orientation="landscape"
    open(str(i)+".pdf", "wb").write(b64decode(driver.print_page(printOptions)))


# after scraping all pages, merge them with pypdf
from pypdf import PdfMerger

files = os.listdir()
pdfs = [s for s in files if '.pdf' in s]
#sorting the file names by number - not alphabethic
def forSorting(s)->int:
    s=s.split('.')[0]
    return int(s)
pdfs.sort(key=forSorting)

merger = PdfMerger()

for pdf in pdfs:
    merger.append(pdf)

merger.write("result.pdf")
merger.close()

והוא אכן עשה את העבודה, הנה התוצאה:
result.pdf
שים לב, @משה-שמחה
אז נעים להכיר את סלניום, מלך הבוטים...

אתה פשוט גאון, חבל שבאת רק עכשיו.
צריך בשביל להריץ את זה ספריית פייתון או משהו אחר?

[sivan22]

@הייתי-שמח-להבין @נחמן-פלח אני רואה שהתלהבתם, אז הנה דוגמה קטנה איך להשתמש בסלניום כדי לגלוש באתר מתמחים טופ.

ראשית יש להתקין פייתון כמובן. כדאי להקפיד לסמן בוי את האפשרות להגדיר PATH.
שנית יש להתקין את שתי הספריות הבאות:

pip install selenium webdriver-manager

הראשית היא סלניום - הספריה שנשתמש בה, והשני עוזר לנו להוריד ולהתקין אוטומטית את ה"דרייבר" - זהו בעצם החלק המקשר בין הקוד לבין הדפדפן.

נפתח קובץ פייתון חדש בשם surfMitmachimSelenium.py או כל שם מפוצץ אחר.

נתחיל בייבוא הספריות:

from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.by import By

אחר כך נוריד אוטומטית דרייבר לדפדפן כרום:

driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()))

בתקווה שאין שגיאות (חסימה בנטפרי וכדו'), נמשיך לשורה הבאה: נגלוש באתר מתמחים.

driver.get("https://mitmachim.top/")

כך נראה הדפדפן כרגע:

עכשיו דבר חשוב מאד: לפני שנלחץ על עוד אובייקט צריך לחכות לו ולא ללחוץ עליו לפני שהוא נטען. אז השורה הבאה נדרשת:

driver.implicitly_wait(2)

אנחנו רוצים להיכנס לקטגוריה "כללי עזרה הדדית", אז אנחנו צריכים למצוא את הכתובת שלו במקור הדף בhtml.
אז כמובן לוחצים f12. לחיצה ימנית -> בדיקה ->לחיצה ימנית על הhtml -> העתק -> העתק נתיב xpath
צילום מסך:

יופי, עכשיו נמצא את האובייקט הדרוש לפי הכתובת שלו:

element = driver.find_element(By.XPATH,"/html/body/div[1]/main/div[2]/div/div[2]/div[1]/ul/li[9]/div[1]/div[2]/h2/a")

נשים לב שהכתובת היא מה שהעתקנו מקודם.
נלחץ על השורה שמצאנו:

element.click()

עכשיו נחפש אלמנט בדרך אחרת, לא לפי כתובת אלא לפי חלק מהמחרוזת המופיעה בלינק. ונלחץ עליו:

element = driver.find_element(By.PARTIAL_LINK_TEXT,"pdf")
element.click()

זהו לבינתיים, בהצלחה ענקית.

[הייתי שמח להבין]

@sivan22 לא זכיתי להבין למה ההדגמה הנ"ל משמשת, מה המטרה? להגיע למתמחים טופ אפשר ישירות עם הדפדפן.

[sivan22]

@הייתי-שמח-להבין לא הבנתי את השאלה, ברור שזו רק הדגמה וקח את זה מכאן לאיפה שתרצה.

[הייתי שמח להבין]

@sivan22 למה ההדגמה, ל-איך אפשר לשלוף מידע מאפוא? סליחה על הבורות.

[sivan22]

@הייתי-שמח-להבין למשל להשיג תור לדרכון ישראלי, או לבדוק אם ירד המחיר של אוזניות מסוימות, או אפילו לקנות את כל הסטוק מתחת למחיר מסויים. מה בשום פנים ואופן לא?! לחבר chatGPT בקצה השני ולהטריל את כל הפורום פה להנאתך עם איזה משתמש פיקטיבי.

[הייתי שמח להבין]

@sivan22 אני חושב שהבנתי את הפוטנציאל של זה, הוא יכול לדלות נתונים על פי נוסחה קבועה מראש ולהביא אותם אוטומטית אלייך, בגדול זה גם יכול לעקוף מגבלות כניסה לאתרים, רק צריך שזה יהיה פתוח בהרצה הראשונה כמדומני.

[נחמן פלח]

@sivan22 על ראש הגנב בוער הכובע יש מי שקורא את ההודעות חוץ מאיתנו ואם חשובה לך הנוכחות פה אז תערוך את זה

[sivan22]

@הייתי-שמח-להבין כמובן יש כלים נוספים לכריית נתונים, כמו beutifulsoup ואחרים, אבל זה הכי דומה לבן אדם, ולכן יכול לעשות כמעט כל דבר בלי להחסם.

[הייתי שמח להבין]

@sivan22 תודה לך על ההסבר, אתה ממריץ אותי להתחיל להשקיע ברצינות יותר בלימודי פייתון.