-
Notifications
You must be signed in to change notification settings - Fork 2
/
poberi_recepte.py
269 lines (238 loc) · 10.8 KB
/
poberi_recepte.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
import orodja
import re
import os
import csv
MAPA_OSNOVNIH_STRANI = "neobdelani-podatki/osnovne-strani"
MAPA_Z_RECEPTI = "neobdelani-podatki/recepti"
URL_OSNOVNA_STRAN = "https://www.skinnytaste.com/"
RECEPTI_CSV = "podatki_receptov.csv"
STEVILO_STRANI = 10
#STEVILO_RECEPTOV_NA_STRANI = 30
#--------------vzroci-------------------------------------------------------------------------------
# podatki, ki jih zajamemo:
# id_recepta
# oznake
# ime_recepta
# kategorije
# kulinarike
# cas_priprave
# cas_kuhanja
# st_porcij
# sestavine
# kalorije
# ogljikovi_hidrati
# mascobe
# beljakovine
# opis
VZOREC_RECEPTA = re.compile(
r'"recipeYield":\["(?P<st_porcij>.*?)"[\n\s\S]*?'
r'"articleSection":\[(?P<oznake>.*?)\][\n\s\S]*?'
r'Calories"><span class="meta-label">Cals:</span> (?P<kalorije>.*?)</span> <span class="recipe-meta-value value-protein" title="Protein"><span class="meta-label">Protein:</span> (?P<beljakovine>.*?)</span> <span class="recipe-meta-value value-carbs" title="Carbohydrates"><span class="meta-label">Carbs:</span> (?P<ogljikovi_hidrati>.*?)</span> <span class="recipe-meta-value value-fat" title="Total Fat"><span class="meta-label">Fats:</span> (?P<mascobe>.*?)<[\n\s\S]*?'
r'<h2 class="wprm-recipe-name wprm-block-text-normal">(?P<ime_recepta>.*?)</h2>[\n\s\S]*?'
r'recipe-course-label">Course: </span><span class="wprm-recipe-course wprm-block-text-normal">(?P<kategorije>.*?)</span>[\n\s\S]*?'
r'recipe-cuisine-label">Cuisine: </span><span class="wprm-recipe-cuisine wprm-block-text-normal">(?P<kulinarike>.*?)</span></div></div>[\n\s\S]*?'
r'recipe-prep_time-.*?">(?P<cas_priprave>.*?)</span>.*?recipe-prep_timeunit-.*?">(?P<enota_priprave>.*?)</span>.*?recipe-cook_time-.*?">(?P<cas_kuhanja>.*?)</span>.*?recipe-cook_time-unit wprm-recipe-cook_timeunit-.*?">(?P<enota_kuhanja>.*?)<',
flags=re.DOTALL
)
VZOREC_POSTOPKA = re.compile(
r'type":"HowToStep","text":"(?P<korak>.*?)","name"',
flags=re.DOTALL
)
VZOREC_SESTAVIN = re.compile(
r'"wprm-recipe-ingredient-amount">(?P<kolicina_sestavine>.*?)</span> <span class="wprm-recipe-ingredient-unit">(?P<enota_sestavine>.*?)</span> <span class="wprm-recipe-ingredient-name">(?P<sestavina>.*?)<'
)
#---------------------------------------------------------------------------------------
# shrani osnovne strani ki so le "katalog" receptov
def poberi_osnovne_strani(ime_mape):
for stran in range(1, STEVILO_STRANI + 1):
datoteka = os.path.join(ime_mape, f"stran_{stran}.html")
if stran == 1:
url = URL_OSNOVNA_STRAN + f'recipe-index/'
else:
url = URL_OSNOVNA_STRAN + f'recipe-index/?_paged={stran}'
print(url)
orodja.shrani_spletno_stran(url, datoteka)
# iz vsake html datoteke osnovne strani pobere povezave na prave strani receptov
def najdi_povezave(vsebina):
vzorec = r'<a href="https://www.skinnytaste.com/(.*?)/"><img width="260" height="390"'
return re.findall(vzorec, vsebina)
def poberi_povezave_receptov_iz_osnovne_strani(mapa_s_stranmi):
vse_povezave = []
for i in range(1, STEVILO_STRANI + 1):
datoteka = os.path.join(mapa_s_stranmi, f"stran_{i}.html")
osnovna_stran = open(datoteka, "r", encoding="utf-8")
vsebina = osnovna_stran.read()
povezave = najdi_povezave(vsebina)
vse_povezave.extend(povezave)
osnovna_stran.close()
return vse_povezave
# ocisti tiste povezave, ki ne pripadaju pravemu receptu
def dobre_povezave(povezave):
pociscene_povezave = []
st_dobrih = 0
for povezava in povezave:
if "7-day-healthy-meal" not in povezava and "popular-healthy-recipes" not in povezava and "mothers-day-gifts" not in povezava and "skinnytaste" not in povezava and "easy" not in povezava:
pociscene_povezave.append(povezava)
st_dobrih += 1
return pociscene_povezave, st_dobrih
#odpre povezave receptov in jih prebere in shrani v html datoteke
def shrani_recepte(povezave, mapa_z_recepti):
i = 1
for povezava in povezave[0]:
url = URL_OSNOVNA_STRAN + f"/{povezava}/"
datoteka = os.path.join(mapa_z_recepti, f"recept_{i}.html")
orodja.shrani_spletno_stran(url, datoteka)
i += 1
#odpre html-je receptov in iz njih izlušči pomembne podatke
def podatki_receptov(mapa_z_recepti, st_receptov=213):
seznam_podatkov = []
for i in range(1, st_receptov + 1):
datoteka = f"recept_{i}.html"
pot = os.path.join(mapa_z_recepti, datoteka)
if os.path.exists(pot):
vsebina = orodja.vsebina_datoteke(pot)
print(i)
podatki_recepta = re.search(VZOREC_RECEPTA, vsebina)
if podatki_recepta:
recept = podatki_recepta.groupdict()
recept["id_recepta"] = int(i)
recept["oznake"] = recept["oznake"].strip().replace('"', '').split(",")
recept["kategorije"] = recept["kategorije"].strip().split(",")
recept["kulinarike"] = recept["kulinarike"].strip().split(",")
recept["cas_priprave"] = int(recept["cas_priprave"])
recept["cas_kuhanja"] = int(recept["cas_kuhanja"])
recept["st_porcij"] = int(recept["st_porcij"])
recept["kalorije"] = float(recept["kalorije"])
recept["ogljikovi_hidrati"] = float(recept["ogljikovi_hidrati"])
recept["mascobe"] = float(recept["mascobe"])
recept["beljakovine"] = float(recept["beljakovine"])
recept["sestavine"] = VZOREC_SESTAVIN.findall(vsebina)
recept["postopek"] = VZOREC_POSTOPKA.findall(vsebina)
seznam_podatkov.append(recept)
return seznam_podatkov
#pomozna funkcija za locevanje podatkov
def seznam_slovarjev_podatkov(vrsta_podatka, id_recepta, seznam_podatkov):
seznam_slovarjev = []
for podatek in seznam_podatkov:
seznam_slovarjev.append(
{
"id_recepta" : id_recepta,
vrsta_podatka : podatek
}
)
return seznam_slovarjev
def seznam_slovarjev_podatkov_sestavine(id_recepta, seznam_podatkov):
seznam_slovarjev = []
for podatek in seznam_podatkov:
seznam_slovarjev.append(
{
"id_recepta" : id_recepta,
"kolicina" : podatek[0],
"enota" : podatek[1],
"sestavina" : podatek[2]
}
)
return seznam_slovarjev
def seznam_slovarjev_podatkov_postopek(id_recepta, seznam_podatkov):
seznam_slovarjev = []
for i in range(len(seznam_podatkov)):
seznam_slovarjev.append(
{
"id_recepta" : id_recepta,
"st_koraka" : i,
"korak" : seznam_podatkov[i]
}
)
return seznam_slovarjev
#s pomocjo prejsnjih funkcij izlusci podatke in zapise v csv
def poberi_in_zapisi_podatke():
#poberi_osnovne_strani(MAPA_OSNOVNIH_STRANI)
#vse_povezave = poberi_povezave_receptov_iz_osnovne_strani(MAPA_OSNOVNIH_STRANI)
#povezave = dobre_povezave(vse_povezave)[0]
#st_dobrih = dobre_povezave(vse_povezave)[1]
#print(st_dobrih)
#shrani_recepte(povezave, MAPA_Z_RECEPTI)
recepti = podatki_receptov(MAPA_Z_RECEPTI)#, st_dobrih
print("konec podatkov")
vsi_recepti, vse_sestavine, vsi_postopki, vse_oznake, vse_kategorije, vse_kulinarike = [], [], [], [], [], []
for recept in recepti:
id_recepta = recept["id_recepta"]
vsi_recepti.append(
{
"id_recepta" : recept["id_recepta"],
"ime_recepta" : recept["ime_recepta"],
"cas_priprave" : recept["cas_priprave"],
"enota_priprave" : recept["enota_priprave"],
"cas_kuhanja" : recept["cas_kuhanja"],
"enota_kuhanja" : recept["enota_kuhanja"],
"st_porcij" : recept["st_porcij"],
"kalorije" : recept["kalorije"],
"ogljikovi_hidrati" : recept["ogljikovi_hidrati"],
"mascobe" : recept["mascobe"],
"beljakovine" : recept["beljakovine"]
}
)
vse_sestavine.extend(
seznam_slovarjev_podatkov_sestavine(id_recepta, recept["sestavine"])
)
vsi_postopki.extend(
seznam_slovarjev_podatkov_postopek(id_recepta, recept["postopek"])
)
vse_oznake.extend(
seznam_slovarjev_podatkov("oznaka", id_recepta, recept["oznake"])
)
vse_kategorije.extend(
seznam_slovarjev_podatkov("kategorija", id_recepta, recept["kategorije"])
)
vse_kulinarike.extend(
seznam_slovarjev_podatkov("kulinarika", id_recepta, recept["kulinarike"])
)
#print(vse_oznake)
#print(vse_kategorije)
#print(vse_kulinarike)
#print(vsi_recepti)
orodja.zapisi_csv(
vsi_recepti,
["id_recepta", "ime_recepta", "cas_priprave", "enota_priprave", "cas_kuhanja", "enota_kuhanja", "st_porcij", "kalorije",
"ogljikovi_hidrati", "mascobe", "beljakovine"],
"obdelani-podatki/recepti.csv"
)
orodja.zapisi_csv(vse_sestavine, ["id_recepta", "kolicina", "enota", "sestavina"], "obdelani-podatki/sestavine-receptov.csv")
orodja.zapisi_csv(vsi_postopki, ["id_recepta", "st_koraka", "korak"], "obdelani-podatki/postopki.csv")
orodja.zapisi_csv(vse_oznake, ["id_recepta", "oznaka"], "obdelani-podatki/oznake.csv")
orodja.zapisi_csv(vse_kategorije, ["id_recepta", "kategorija"], "obdelani-podatki/kategorije.csv")
orodja.zapisi_csv(vse_kulinarike, ["id_recepta", "kulinarika"], "obdelani-podatki/kulinarike.csv")
print("konec csv")
poberi_in_zapisi_podatke()
#datoteka = 'recept_20.html'
#pot = os.path.join(MAPA_Z_RECEPTI, datoteka)
#vsebina = orodja.vsebina_datoteke(pot)
#podatki_recepta = re.search(VZOREC_RECEPTA, vsebina)
#recept = podatki_recepta.groupdict()
#recept["id_recepta"] = int(20)
#recept["oznake"] = recept["oznake"].strip().replace('"', '').split(",")
#recept["kategorije"] = recept["kategorije"].strip().split(",")
#recept["kulinarike"] = recept["kulinarike"].strip().split(",")
#recept["cas_priprave"] = int(recept["cas_priprave"])
#recept["cas_kuhanja"] = int(recept["cas_kuhanja"])
#recept["st_porcij"] = int(recept["st_porcij"])
#recept["kalorije"] = float(recept["kalorije"])
#recept["ogljikovi_hidrati"] = float(recept["ogljikovi_hidrati"])
#recept["mascobe"] = float(recept["mascobe"])
#recept["beljakovine"] = float(recept["beljakovine"])
#recept["sestavine"] = VZOREC_SESTAVIN.findall(vsebina)
#recept["postopek"] = VZOREC_POSTOPKA.findall(vsebina)
#
#
#seznam_podatkov = recept["postopek"]
#id_recepta = recept["id_recepta"]
#seznam_slovarjev = []
#for i in range(len(seznam_podatkov)):
# seznam_slovarjev.append(
# {
# "id_recepta" : id_recepta,
# "st_koraka" : i,
# "korak" : seznam_podatkov[i]
# }
# )
#