Parsing sites PYTHON - # 2 BEAUTIFUL SOUP, FAKE-USERAGENT

Parsing sites PYTHON - # 2 BEAUTIFUL SOUP, FAKE-USERAGENT
📗 All links to useful materials are below 📗
We will analyze the parsing of python sites, examine the modules
requests, bs4 (BeautifulSoup), fake-useragent, multiprocessing.
Let's write a lot of parsers in python, learn how to find the elements we need
on the page, we will analyze the structure of requests requests, learn how to transfer
your headers and your data to the site.
During the course, we will write a program to download files
from the site, we will learn how to transfer proxies and user agents to the request.
Let's take a look at how to parse the site using the ones we have already studied.
tools. Towards the end of the course, we will also explore multiprocessing for accelerated parsing. In this video, we will learn how to collect the received data using the beautiful soup module and how to use fake-useragent to generate unique user agents.
⭐ Free version of Kite: bit.ly/3cKz97C
⭐ PyQt5 Python Course: pyqt5.ru
⭐ Channel with useful material: t.me/codeblog8
📁 Website scraping course: bit.ly/394VKtG
📁 Selenium Python Course: bit.ly/3p669ef
📁 Contact me: [e-mail]
📁 Support channel: www.donational...
Libraries used:
requests, bs4
lxml, fake-useragent
multiprocessing
#ParsingSites #ParsingSitesPython #ParsingPython

[@zproger]

⭐Курс ООП и Приват канал: zproger-school.com/ ⭐Телеграм канал: t.me/+ltjhP8CCll80NTAx Не забывайте оставлять свои идеи для следующих видео в комментариях, большинство из них реализовывается на канале. Также подписывайтесь на канал, так как именно у нас публикуется отборный материал, который позволит вам изучать программирование и другие технологии в разы быстрее.

[@АлександрОрачев]

Классно что хоть кто-то рассказывает про работу модулей, очень интересно и полезно, побольше бы разных модулей

[@zproger]

Ещё много чего интересного будем рассматривать на этом канале :)

[@fatherlandboy]

Чувак, спасибо. Смотрел кучу уроков, нифига не было понятно, а тут получилось!)

[@zproger]

Пожалуйста :)

[@kakw436]

@@zproger почему у меня не работает .text

[@m0hdapuh874]

Тоже самое

[@dol0resh4ze19]

Вы шикарный учитель, спасибо вам!

[@zproger]

Рад что смог помочь :)

[@ЭрикМамбергер-к7н]

Отличный курс! Все понятно и кратко. Лаконичность это большой плюс. Спасибо)

[@zproger]

Спасибо, рад что вам понравилось.

[@_white_name_]

за эти 14 минут я понял больше чем за 14 дней проведенный в ютублении

[@ИванИванов-э5х5ъ]

первый человек кто про парсинг на питоне ОБЪЯСНЯЕТ, а не рассказывает

[@zproger]

Спасибо :)

[@Alex-kp9jy]

Очень полезный курс, спасибо 😄

[@zproger]

Рад что вам понравилось, сейчас также реализовывается новый курс по Selenium, возможно вам это будет интересно

[@ВладиславАврелий]

Спасибо, по уроку делал все, но с другим сайтом, все идеально получилось еще в процессе кое что добавил

[@timon1816]

Не знаю почему, но я кайфую с такого спокойного голоса

[@zproger]

благодарю

[@abris_6977]

Ты просто лучший, не изучая парсиинг начал заниматься этим по видосу, когда шел строго по видел все работало нормально)) еще бы оно не работало так то, но как начал сам то сразу застрял,и потом нашел твои ролики, тут ты все понятно и с примерами объяснил. От всей души спасибо 🤝

[@user-rm5wi9tu8u]

а вот это объяснение хорошее! Спасибо за материал!

[@zproger]

Благодарю

[@GFU472]

Познавательно! Умеешь объяснять и это круто.

[@zproger]

Спасибо :)

[@fahrenheit1863]

Отлично, материал зашел на ура, осталось только потренироваться для закрепления пройденного. Оказалось html разный приходит если запрос с куками лии без.

[@Bondik202]

спасибо огромное ! видос вроде короткий но очень содержательный .

[@zproger]

Рад что вам понравилось :)

[@codelearner2986]

Отличный видос, сильно помог подробными разъяснениями

[@NordieWolf14]

а как добавить блок в soup если там нету id или класса? Например на github просто ...

[@msc_Noname]

Как по мне, так отличные уроки.

[@zproger]

Спасибо

[@КириллЛисович-в7п]

Господи, ура! Целую неделю пытался найти нормальные видео по парсингу данных, уже отчаялся и тут появляетесь вы со своими прекрасными объяснениями! Спасибо)

[@egoryasinetsky8792]

Почему-то при первом и втором способе подмены юзер агента всё равно выдаёт python-requests/2.28.1 Кто может подсказать в чем ошибка?

[@pepemem9215]

отличное видео, спасибо автору за труд)

[@zproger]

Спасибо, очень приятно

[@СергейСмирнов-ь8у]

Спасибо за видео!

[@zproger]

Пожалуйста :)

[@n_ulls]

Можешь подсказать, как div с browser_lang вывести? Я не могу понять как вывести текст из блока и спан первый , чтобы показывалось пр.: Язык: Русский (ru)

[@PrevzoraChannel]

Спасибо, помогло понять)

[@zproger]

Рад что смог вам помочь

[@АлексейИбн]

Отличная подача. Но вопрос - у меня выдает ошибку при попытке установить lxml. Можно заменить другой библиотекой?

[@Grigorev84]

Спасибо!

[@zproger]

Рад что понравилось :)

[@Single_Tone]

Подскажите пожалуста, как называется музыка на фоне?

[@amadeusmox8878]

Привет. Спасибо за курс! Очень помогает. Вопрос: почему мы ищем по span? Я попробовал найти не используя span, а только по id, и выдало правильные значения. Я мало понимаю в питоне, а в html вообще не понимаю. Может в одном id может быть много Span'ов и нам может понадобиться какой-то конкретный? Из-за этого?

[@rafaelhakobyan2848]

Спасибо

[@zproger]

:)

[@voron_vrkrft]

очень помог, спасибо)

[@Fit4a]

А как искать необходимый div, если во всем коде нет ни единого id, только классы?

[@zproger]

Тогда искать по классам

[@kakw436]

class_=' ' {'class': ' '}

[@User4scraping]

Шикарный урок. Спасибо. 🤝 Только на будущее не говори пожалуйста яваскрипт, не ява ведь... джава, жаба. Но блин ява эт прям больно слышать 😱👀

[@zproger]

я вроде как никогда не говорил ява скрипт

[@c1vgk]

Мега крут

[@zproger]

Благодарю :)

[@alexzir]

Спасибо! Жаль что нет ссылки на следующее видое

[@zproger]

На канал нужно перейти, все видео уже давно в плейлисте

[@Klon114]

Вроде, все то же самое сделал, но все равно пишет User-agent: python-requests/2.26.0

[@zproger]

модуль user-agent обновился и теперь работает по-другому, подробней на офф.странице: pypi.org/project/fake-useragent/

[@ЮраПархом-р8м]

Урок хороший, только у меня подтягивает не верное значение JavaScript, в браузере написано "Включено", а подтягивает "Выключено "

[@KarikhSergey]

Ну "ФиндОл" всё объясняет ))

[@zproger]

:))

[@mihailplehov7892]

Спасибо за лекцию! А кто-нибудь сталкивался с такой проблемой: при запуске кода на хостинге не работает модуль фейкового юзер-агента? Пишет, что модуль не найден

[@dilukfrommonshtadt3645]

До меня что-то никак не дойдет: если мы парсим сайт с нашими данными, и нам нужен наш юзер-агент, который написан на сайте, то зачем мы используем рандомный юзер-агент?

[@astoriy1085]

не особо понял, для чего нужен fake_useragent, можете объяснить на примере?

[@zproger]

Юзер-агент должен быть всегда разный во время парсинга, чтобы сайт думал что это разные устройства.

[@Fr0m_GaMes_to_Life]

Люди короче вопрос, я просто хочу собрать слова с сайта РЕШУ ЕГЭ в отдельный файл, нужны слова,где есть "..",это я сделал с помощью re, но почему то собираются слова только с первых 5 заданий, а остальной текст насколько я понял даже не пришел после запроса, почему такое может произойти и как можно пофиксить.

[@v.dobroslavskiy]

3:57 что делать если не показывает нужный код сайта? выдает значения которые не нужны, показывает head и то другой какой то, а body якобы пустой

[@Grigorev84]

Автор, ответьте пожалуйста, зачем мы создали block? Мы же можем искать сразу в soup... этот момент я как то недопоянл

[@Grigorev84]

И ещё вопрос как парсить не через id а через class

[@Grigorev84]

Попробовал спарсить заголовки рбк, не поулчается 'NoneType' object has no attribute 'text'

[@djdkdkrk]

на 12 строчки кода, это 6 минута видео, у меня выдает Ошибку-индекса :( list index out of range, почему так?

[@shurfly6961]

Почему ошибка из за lxml, правильно html.parser возможно из за обновления 3.10 python ?

[@testtester73]

You can use teg find_all

[@zproger]

:/

[@TheStrix1]

хорошо если сайт просто отдает данные по Get а если там нужно с ключами как на озон например ничего не отдаст по гет просто так

[@n_ulls]

А почему список header передался на сайт, если он не учавствовал в коде никак кроме его обьявления?

[@zproger]

Возможно видео неудачно обрезал, но заголовки будут участвовать только в случае если напрямую передать аргумент headers в самом запросе, либо же если это сессия, то в случае с обновлением списка session.headers

[@n_ulls]

@@zproger спасибо)

[@vladimir7759]

что лучше суп или скрапи? что популярней на фрилансе?)

[@zproger]

Обычно нет четких требований к инструменту, который нужно использовать. Скрапи подойдет для крупных проектов, а небольшие проекты можно на bs4 сделать.

[@АлексейПротасов-п6э]

А что если я получаю не весь html код?Если в браузере смотреть там есть div классы и тд,вывожу через text, там их нету.Через content тоже пробовал.В итоге не получается bs найти значения

[@zproger]

Возможно это значение подгружается через js, а requests не обрабатывает их.

[@АлексейПротасов-п6э]

@@zproger пробовал json обрабатывать,толку0

[@dor1k991]

Сайт во время урока умер - топ!

[@zproger]

Это сайт не для урока, я нашел рандомный из выдачи) Главное найти что-то подобное

[@Vlad_isss]

При попытке использования fake_useragent выдает следующую ошибку: fake_useragent.errors.FakeUserAgentError: Maximum amount of retries reached Может знает кто, в чем проблема?

[@Снюсик-н2б]

bs4.FeatureNotFound: Couldn't find a tree builder with the features you requested: lxml. Do you need to install a parser library?помогите весь интернет облазил уже сто раз перепроверил то что lxml установлен

[@Снюсик-н2б]

если у кого нибудь такая же проблема попробуйте поменять парсер с "lxml" на 'html.parser'

[@zproger]

Нужно устанавливать его глобально

[@Risehack]

У меня возникла проблема. Программа работает, но когда картинка скачивается то она потом просто не открывается. Пытался подсоединить fake_useragent, тоже не помогло. Как быть?

[@zproger]

Какие-то ошибки есть? Нужно больше информации, я к сожалению не читаю мысли :)

[@Risehack]

@@zproger Ошибок нет. Вот файл с кодом: drive.google.com/file/d/11j-l5ybd4o-HMGMbSsslK0svgjdBkv5L/view?usp=sharing А вот что мне пишет, когда я пытаюсь открыть картинку на ПК: drive.google.com/file/d/1XNsL-1Ypkz-kqQ3qhgQcyKKTEAExgRb7/view?usp=sharing

[@Risehack]

@@zproger Я парсил другой сайт, хотя на вашем также было

[@ahil7800]

Если вместо user-agent писать случайный набор символов, то не парсит, выдаёт пустой список.

[@zproger]

Да, это не будет работать на всех сайтах

[@ершик-ч6г]

@@zproger А что тогда делать?

[@ItsGame228]

если айди нету а только class

[@zproger]

Ну так используйте class_ вместо id

[@rolton6307]

что делать если в строке с использованием find-all не работает .text

[@zproger]

Какую ошибку получаете?

[@romashkahehe6270]

Видео крутое... Но возникла проблема, помогите пожалуйста. Пишет, что нет модуля fake_useragent, при том, что он установлен.

[@romashkahehe6270]

Не работает только в pycharm, в идле всё нормально.

[@Awdesk_]

топ видео, но почему-то модуль fake-useragent не работает

[@Awdesk_]

Посмотрю документацию, возможно, модуль обновился

[@zproger]

Модуль был обновлен

[@kakw436]

почему у меня не работает .text

[@zproger]

Если ошибка NoneType, значит не удалось найти объект по идентификатору

[@personx5954]

Как работает header?

[@zproger]

Это обычные заголовки, которые передаются на сервер.

[@personx5954]

@@zproger аа, у меня просто не работает, наверное из-за того что я через телефон делаю

[@DonnyFTW69]

Жява скрипт😂

[@zproger]

Жаба скрипт :)

[@f4ke543]

как понять что это основной блок 3:58, кто тут, можете помочь?

[@marinamarine5306]

а почему lxml а не json?

[@zproger]

Привык всегда его использовать :)

[@network_sw]

А где виртуальное окружение, зачем загаживать систему всеми зависимостями пакетов, которые нужны только этому скрипту? Ну и финд олл конечно... )))

[@абвгдеёж-м3н]

жява скрипт)

[@zproger]

=))

[@RoKivals]

Ну концепция парсинга объяснена доступна, а вот то, что по сути он подтягивает неверные данные это вообще не смущает?

[@zproger]

Не заметил этого, где именно оно подтягивает неверные данные?

[@s_merq]

Здравствуйте! Спасибо за видео! Скажите пожалуйста, ваш курс на степике отличается от цикла этих видео? Что я смогу найти на степике, чего нет на ютубе заплатив 30 долларов? И на 3 минуте видео можно же было сразу написать soup.find('div', id="javascript_check") и он бы нашел нужный блок в рамках этого сайта, или я что-то путаю...

[@zproger]

Здравствуйте, на степике на 3 видео больше чем здесь и он время от времени обновляется. Но это скорее как способ поддержать канал.

[@mykolavarvarchuk937]

+++

[@zproger]

:)

[@justasemza6945]

Что то нихуя не работает)...

[@yochiganai]

жяваскрипт

[@ivanvana]

Когда вы начнёте грамотно писать слово "response"?

[@zproger]

Уже пишу :D

[@tispoint]

английский язык автору стоит подтянуть.. "финд" - это find уши режет

[@zproger]

Я произношу по-разному, знаю что это не правильно, но не замечаю за собой некоторые моменты

[@pulsarofsamsara1625]

а ведь можно в бесконечном цикле запустить get(link), да еще и в несколько потоков. (закадровый смех от собственных грязных мыслей)

[@maksonaladin4033]

Офигенные уроки. Когда просто бегло смотрел, казалось всё элементарным. Начал повторять и документировать - сразу увидел, сколько же тут нюансов. Очень хорошо проработаны занятия, есть возможность, посмотрев один пример, поставить на паузу и дальше делать самому для закрепления. Многое всё ещё очень поверхностно понимаю в плане того, как оно вообще работает, но в целом всё получается :)

[@yuzeless]

Вот вместо этой возни с requests.get(url, headers=headers) лучше бы сразу показал сессии, где можно сразу задать Session.headers и Session.proxies

[@zproger]

Безусловно можно, но в данном уроке сессии ещё не рассматриваются, и необходимо знать каким образом можно передавать заголовки помимо сессий.

[@СергейЩепилин]

Что за музон? Хочу такой

[@АлексадрБалашов]

При парсинге разрешения текущего размера окна с сайта-примера в видео аналогично user-agent - в ответе ничего. Разрешение не удаётся выцепить. Хотя всё аналогично. Подскажите, в чём проблема? Использую код: check_window=block.find('div', id="window_size").text result_window=f'window: {check_window}' print(result_window) В ответе: window: т.е. разрешение не выцепляет

[@deniskuznetcov3193]

Запутался к концу видео, это изменили,это удалили, тут добавили, там переделали))). К концу видео уже и не понимаю что к чему))

[@zproger]

Спасибо за комментарий, я учту всё это, чтобы сделать следующие видео лучше

[@deniskuznetcov3193]

@@zproger да если можно)) а то уже к середине не понимал что мы делаем а в конце вообще запутался что писал и для чего)) Если можно в след раз писать и озвучивать вот этот код для этого и делает это, если изменить в коде это, на выходе получаем этот результат)) не сваливать все в одну кучу, и по ходу не изменять его и не удалять))

[@Grigorev84]

Я пишу код вслед за автором, и потом уже анализирую конечный код, вопросов не возникает.

[@ivanbozhko6747]

Супер подача материала, с меня лайк, а с Вас ЕЩЕ БОЛЬШЕ КОНТЕНТА😄

[@zproger]

Спасибо за поддержку :)

[@neilwilson4075]

На удивление, с моим знаниям довольно маленьким знаниям Пайтона, я смог получить курс евро, и вывести его в консоль, там правда айди не было, а класс

[@miami_racer4378]

Что делать если я хочу получить ссылку, но вместо ссылки я получаю значок #

[@zproger]

Значит в этом атрибуте и лежит данный символ, необходимо проверить наличие ссылки в нем.

[@miami_racer4378]

@@zproger проблему решил, я не тот тег смотрел.