-
Notifications
You must be signed in to change notification settings - Fork 0
/
CBR.py
274 lines (237 loc) · 7.97 KB
/
CBR.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
270
271
272
#!/usr/bin/python
# -*- coding: utf-8 -*-
#################################
#
# Código desenvolvido para o trabalho cientifíco: Idade Relativa / Relative Age
# Pesquisador responsável: Sr. Sabadini de Lima, José Paulo
# uma coleta sobre os dados dos atletas no site da CBF é realizado.
# proteção de dados fora previamente esclarecidos e autorizados.
#
# Desenvolvedor: Sr. Serra Pereira, Fabio
# E-Mail: fabio.serra.pereira@usp.br
# Data: 26 de março de 2021. 18:50 horário de Berlim, Alemanha.
#
# Orientador: Prof. Dr. Massa, Marcelo
#
##################################
#################################
#
# Bibliotecas
#
##################################
import html2text
from openpyxl import Workbook
from selenium import webdriver
import os
#################################
#
# diretórios
#
##################################
chromeDriver = os.path.abspath(__file__)[:-len('\CBF.py')] + os. sep + 'chromedriver.exe'
#################################
#
# Constantes
#
##################################
login = None # Precisa ser preenchido
password = None # Precisa ser preenchido
URL = "http://sistema.remobrasil.com/"
URL_Athlet = "http://sistema.remobrasil.com/athletes/"
###########
def coletaDados(driver):
"""
Esta função será reponsável por avaliar o source do html e retornar os dados em forma de lista para serem gravados
no EXCEL.
:param driver: Interação com o Browser para ler o Source da página
:return: List
"""
# Aqui ele cria a o leitor de HTML e transforma em uma lista de caractéries
Reader = html2text.HTML2Text()
Reader.ignore_images = True
Reader.ignore_links = True
Reader.ignore_emphasis = True
Reader = Reader.handle(driver.page_source)
# print(Reader)
# Cria uma lista de retorno
retorno, contador = list(), 0
# Aqui ele transforma caracteres em strings (palavras) e grava numa lista
# Para o nome
try:
num_aux_inicio = Reader.find("Nome completo")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Nome completo") + 2
num_aux_final = num_aux_inicio + 40
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "\n":
string += Reader[i]
else:
break
retorno.append(string)
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
# Para o clube
try:
num_aux_inicio = Reader.find("Lista de Clubes")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Lista de Clubes") + 15
num_aux_final = num_aux_inicio + 100
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "|":
string += Reader[i]
else:
break
retorno.append(string)
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
# Data de nascimento
try:
num_aux_inicio = Reader.find("Data de nascimento")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Data de nascimento") + 2
num_aux_final = num_aux_inicio + 100
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "\n":
string += Reader[i]
else:
break
retorno.append(string)
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
# Categoria
try:
num_aux_inicio = Reader.find("Nível")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Nível") + 2
num_aux_final = num_aux_inicio + 100
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "\n":
string += Reader[i]
else:
break
retorno.append(string)
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
# Altura
try:
num_aux_inicio = Reader.find("Altura")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Altura") + 2
num_aux_final = num_aux_inicio + 100
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "\n":
string += Reader[i]
else:
break
retorno.append(string)
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
# Peso
try:
num_aux_inicio = Reader.find("Peso")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Peso") + 2
num_aux_final = num_aux_inicio + 100
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "\n":
string += Reader[i]
else:
break
retorno.append(string[:-len(' Kg')])
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
# Sexo
try:
num_aux_inicio = Reader.find("Sexo")
if num_aux_inicio == -1:
retorno.append("Not informed")
else:
num_aux_inicio += len("Sexo") + 2
num_aux_final = num_aux_inicio + 100
string = ""
for i in range(num_aux_inicio, num_aux_final):
if Reader[i] != "\n":
string += Reader[i]
else:
break
retorno.append(string)
except UnicodeDecodeError:
retorno.append("Not informed")
contador += 1
if contador < 7:
return retorno
else:
return False
def Excel_Grava(ws, dados, linha):
"""
Esta função é resposável por gravar os dados em uma planilha de excel
:param dados: Contém os dados no momento que precisam ser gravados na planilha
:param linha: O número da linha onde será gravados os dados de dados
:return: none
"""
for i in range(len(dados)):
ws.cell(row=linha,column=i+1).value = dados[i]
#################################
#
# Função Main
#
##################################
if __name__ == '__main__':
"""
Trata-se da main do programa, ela é responsável por estabelecer uma comunicação com o Browser e executar a leitura
do HTML e gravar no EXCEL.
:return: none
"""
# Primeiro eu inicializo o automatizador
driver = webdriver.Chrome(chromeDriver)
driver.get(URL)
# Login e PassWord
driver.find_element_by_id("session_email").send_keys(login)
driver.find_element_by_id("session_password").send_keys(password)
driver.find_element_by_name("button").click()
# Criar a Planilha de Excel
wb = Workbook()
ws = wb.active
# Existem 51396 (2066) atletas cadastrados no site....
# Portanto como eu não consigo pegar somente os países que queria vou pegar todos e depois posso brincar no Excel
# 36735 - 36823 corninho do programa rodou sem pegar direito
for i in range(1, 2498):
# Primeiro eu preciso pegar atualizar o meu URL com os atletas:
URL = URL_Athlet + str(i)
# Atualiza meu Link no automatizador
driver.get(URL)
# Print do atual contador
print('Atual contador: ', i)
# Pegar os dados
Dados_Tratados = coletaDados(driver)
print(Dados_Tratados)
# Atualiza no Excel
if Dados_Tratados != False:
Excel_Grava(ws, Dados_Tratados, i)
# Salva na Planilha
wb.save('CBR_Coleta_de_dados_dos_atletas.xlsx')
driver.close()