PLAYWRIGHT: пишем парсер OZON

Подписаться 12 тыс.

Просмотров 14 тыс.

50% 1

Сегодня будем писать парсер для популярного маркетплейса OZON на Python используя библиотеку Playwright.
Playwright - это универсальная библиотека, которая обеспечивает удобные инструменты для автоматизации браузера. Мы научимся находить элементы на веб-странице, выполнять клики, ожидать появления элементов, вводить данные и многое другое.
Ссылка на документацию: playwright.dev/python/docs/intro
Ссылка на код из видео: github.com/Duff89/ozon_parser
Приватные прокси за 99 руб: proxy6.net/?r=54545
Купон на скидку: SdSq8wCwJA
Приватные прокси на короткий срок и большим выбором гео:
proxyline.net/?ref=212089
Купон на скидку: EYvdLcmgSy4tUcBP5uk
Поддержать канал:
yoomoney.ru/to/410014382689862
или
2204 1201 0103 5539
Контакт для связи: sergeichopolovich1989@gmail.com
#python #parsing #scraping #playwright #ozon #tutorial

Опубликовано:

19 июл 2023

Ссылка:

Скачать:

Готовим ссылку...

Добавить в:

Мой плейлист

Посмотреть позже

Комментарии : 108

@EvgeniySakharov 10 месяцев назад

Playwright год назад юзал. Информации на русском вообще не было. Индусов смотрел. И по SeleniumBase на русском только Ваше видео. Так что у Вас работы не початый край. ))) Спасибо. Как всегда, отличный контент. Да еще и ООП! Евгений.

@the_parse_hub 10 месяцев назад

Спасибо, по Playwright на русском действительно очень мало информации, нужно исправлять

@user-dr4zl5xh7z 8 месяцев назад

Большое спасибо за хороший пример по playwright! И отдельное спасибо за то, что не спешишь никуда, когда объясняешь. Очень хорошо объясняешь в теме автоматизации и парсинга, приятно слушать. Желаю успехов)

@Vladimir_F609 9 месяцев назад

Автору респект!!! Огромное спасибо за видос! Мотивирует😊 Однозначно за курс по Playwright

@iswearican__ 7 месяцев назад

однозначно хотим видеть курс по playwright

@user-oe8cu9nr3l 7 месяцев назад

Спасибо, дружище! Не все успеваешь посмотреть новое и проверить. Такие видео крайне полезны! лайк и подписка!

@user-op9yy3ky8h 10 месяцев назад

Хотим увидеть курс,и поддержим.

@the_parse_hub 10 месяцев назад

Курс уже в разработке. Хочется выпустить сразу весь, чтобы всем было удобно. В связи с нехваткой времени, не могу точно сказать когда он будет готов

@alexkooper9467 8 месяцев назад

Спасибо большое автору, объясняет доходчиво, однозначно лайк.

@user-oe8cu9nr3l 7 месяцев назад

Поставил тебе еще на гитхабе звезд! продолжай в том же духе! будем смотреть :)

@dimasdimas4913 8 месяцев назад

Познавательное видео.Ждем продолжение.

@KevinJones-ty5hg 10 месяцев назад

Спасибо за видео. Оставляю комментарий для того, чтобы отблагодарить автора видео, а также для того, чтобы поддержать канал! Надеюсь, символов в комментарии достаточно, чтобы ютуб его засчитал и начал больше продвигать видос xD

@the_parse_hub 10 месяцев назад

Спасибо!

@alexxlub 5 месяцев назад

Спасибо за видео!

@yagohush7414 6 месяцев назад

хотим увидеть курс по плейрайт!!!

@user-eq6hu2mx9b 7 месяцев назад

Просто супер

@shokavo2205 10 месяцев назад

Отличное образовательное видео 👍

@englishforfamily 6 месяцев назад

Ваш канал и видео просто супер💪👍👍 подскажите пожалуйста что бы сработал кусочек кода JavaScript, весь JS нужно установить?? А то что то не срабатывает прокрутка страницы

@ii3246 7 месяцев назад

спасибо. норм тема.)))

@user_alex_ 5 месяцев назад

👍👍👍👍👍👍👍👍

@user-uj5oq2vv4f 10 месяцев назад

Как всегда топчик контент 👍

@marchemilkazzz9148 Месяц назад

Хочется увидеть playwright c прокси

@user_alex_ 5 месяцев назад

👍👍👍👍👍👍👍👍👍👍👍👍

@r1-yzf216 4 месяца назад

сильно ))

@user-fp6hf3wi6c 10 месяцев назад

Крутое видео, но почему ты xpath не пользуешься, например модно было находить имя продавца?

@the_parse_hub 10 месяцев назад

Спасибо! Насчет xpath - это тоже не всегда панацея, но в данном случае я сделал это специально

@sdv75 10 месяцев назад

Новый контекст это по сути новый профиль? К нему можно подвязать куки и прокси? Не згаете есть ли к этой библиотеке что-то типа как selenium-stealth?

@the_parse_hub 10 месяцев назад

Насчет контекст=профиль верно. Насчет stealth не подскажу, раньше у меня playwright нормально работал на сайте с cloudflare и потребности в stealth не было, как сейчас не знаю, это нужно пробовать

@duckandcover0 10 месяцев назад

Спасибо за видео. Как вы говорили, возможно эмулировать андройд,где можно ознакомиться с подобным функционалом,буду благодарен

@the_parse_hub 10 месяцев назад

Спасибо! Насчет эмуляции можно подробнее почитать здесь: playwright.dev/python/docs/emulation

@duckandcover0 10 месяцев назад

@@the_parse_hub Как понимаю речь идёт только эмуляции браузера,а как парсить приложения для которых нет реализации в браузере

@GolosPro 10 месяцев назад

Подскажи как ты сохраняешь сессию пользователя при работе с библиотекой? куки в коде не используешь, но при запуске твой акк всегда остается автоматизированным, спасибо

@the_parse_hub 10 месяцев назад

У меня в видео был открыт ozon в моём обычном Chrome, я там был залогинен и показывал примеры. А при запуске скрипта открывался другой Chrome, там я не авторизован. Но авторизация в playwright работает просто: # Сохранить storage = context.storage_state(path="state.json") # Загрузить context = browser.new_context(storage_state="state.json")

@GolosPro 10 месяцев назад

@@the_parse_hub Работает!!!! :)

@foquen9649 10 месяцев назад

Добрый день, сделал все как на видео, но при нажатии на кнопку поиска вылезает капча. Ставил разную задержку, тайм слип и тд. Не помогает. В принципе, могу и без поиска обойтись, т.е. по прямой ссылке, но хочется все-таки с поиском. Как исправить?

@the_parse_hub 10 месяцев назад

Почти все сайты дико не любят когда кто-то парсит результаты поиска, есть такой момент. Как это обойти в данном случае: для начала я бы установил какой-то нормальный юзерагент, если не поможет - попробуйте установить форк playwright, который по идее должен не палиться github.com/QIN2DIM/undetected-playwright Я его еще ни разу не устанавливал, так что с подсказать больше по нему ничего не смогу

@user-qi8tp1bs2g 7 месяцев назад

Есть ощущение, что слушаю Олега Молчанова

@user-ny9ux9ss8n 6 месяцев назад

Кто это такой ??

@user-qi8tp1bs2g 6 месяцев назад

@@user-ny9ux9ss8n я когда-то не знал питон, и его видео заложили базу.Один из лучших, в этой области.

@sin37332 10 месяцев назад

Что вы сделали, чтобы убрать лишние окна в IDE на 26:30? И ещё у меня postman не разрешает javascript, поэтому я не могу посмотреть ответ ozon. Как у вас получилось? Заранее спасибо за ответ

@the_parse_hub 10 месяцев назад

Лишние окна в ide убрались на монтаже, никакой магии. А насчет postman, где там javascript? Мы просто посылаем какой-то запрос, не более этого

@sin37332 10 месяцев назад

@@the_parse_hub вы удалили комментарий?

@dicloniusN35 2 дня назад

Нифига непонятно как подниматься на элемент выше если parent() от найденого не работает а locator('..') выводит дичь какую то с фреймами которая не итерируется. В общем самое сложное из озона вытащить цену и увязать на товар

@user-mc9er3zb6p 10 месяцев назад

Здравствуйте, а будут видео по Pytest?

@the_parse_hub 10 месяцев назад

В разработке курс по playwrite, pytest там тоже рассмотрим

@AlexRootx 9 месяцев назад

Привет, а как прокинуть опции в браузер, например, флаг "--start-maximized", чтобы развернуть его на весь экран??? За работу лайк однозначно, так держать!!!

@the_parse_hub 9 месяцев назад

Спасибо! Это можно сделать при добавлении контекста, к примеру так: self.context = browser.new_context(viewport={"width": 1920, "height": 1080})

@AlexRootx 9 месяцев назад

Спасибо тоже!@@the_parse_hub

@rafaelrafael685 6 месяцев назад

Борода.

@konstantin_uphimtsev 10 месяцев назад

Привет. Подскажи может пропустил. Почему тебя не блочит клаудфлэр?

@the_parse_hub 10 месяцев назад

Привет! Конкретно на Ozon проверка капчи cloudflare произойдет, если мы сделаем много действий за короткий промежуток времени

@netcattop 10 месяцев назад

Погнали на джаве, напишешь парсер)))

@netcattop 10 месяцев назад

Даже интересно, получится ли это у питониста

@the_parse_hub 10 месяцев назад

Что к чему?

@djbenzin36 5 месяцев назад

Интересно как он в плане оставления отпечатков, хочу автоматизировать одну весч, но за это банят) Пробовал на селениуме, через сутки забанили )

@the_parse_hub 5 месяцев назад

По отпечаткам тот же селениум. Лучше использовать форки undetected_chromedriver или undetected_playwright, ну и не забывать, что банить могут и по другим признакам, например один ip, слишком быстрые действия, работа 24х7 и т.д

@djbenzin36 5 месяцев назад

@@the_parse_hub спасибо за совет

@user-op9yy3ky8h 10 месяцев назад

Добрый день.Благодарю за видео.Но почему то страница не загружается.Показывает что ошибок ноль и все, браузер не открывается.Что это может быть?

@the_parse_hub 10 месяцев назад

Попробуйте запустить в debug режиме и посмотреть где проблема, если не умеете - расставьте несколько вспомогательных print в коде

@user-op9yy3ky8h 10 месяцев назад

@@the_parse_hub ок

@MrYoru 2 месяца назад

Здравствуй! А у тебя есть Дискорд сервер? Было бы хорошо и удобно спрашивать там вопросы по видео

@the_parse_hub 2 месяца назад

нет, нету

@MrYoru 2 месяца назад

@@the_parse_hub А вы планируете сделать?

@the_parse_hub 2 месяца назад

@@MrYoru Пока нет, по возможности стараюсь отвечать в комментариях, на дискорд просто не хватит времени

@user-mc7vv7iy3i 4 месяца назад

пока нахожусь на 15 минуте ролика как мне кажется, перед тем, как что то вводить, лучше всегда сначала использовать метод .click(), иначе есть риск, что во время исполнения скрипта текст не введется полностью. Я вот сейчас пытаюсь с помощью скрипта входить в админку в вордпрессе и без .click() у меня через раз логин полностью прописывается

@the_parse_hub 4 месяца назад

Частично согласен, но здесь всё зависит уже от конкретного сайта

@nokeppivanoff4353 9 месяцев назад

при запуске вылетает ошибка, Executable doesn't exist at AppData\Local\ms-playwright\chromium-1076\chrome-win\chrome с предложением запустить команду plawright install. нО это уже сделано было. порывшись в инете, народ пишет, что надо запустить установку npx plawrigth. но к сожалению, пишет что npx имя не распознано. Есть решение ?

@the_parse_hub 9 месяцев назад

Не уверен, но возможно у Вас установлен playwright глобально и локально и он путается в версиях браузера. Попробуйте полностью его удалить и установить заново в виртуальном окружении

@nokeppivanoff4353 8 месяцев назад

@@the_parse_hub переустановка помогла, но теперь озон включает капчу после поиска

@the_parse_hub 8 месяцев назад

@@nokeppivanoff4353 да, такое бывает

@nokeppivanoff4353 8 месяцев назад

@@the_parse_hubаха. так значит ваше видео тут бестолку, т.к. спарсить озон не получается, решений у вас нет. Блокировку обойти решения нет. Ну и смысл ?

@the_parse_hub 8 месяцев назад

@@nokeppivanoff4353 аха, если Вы до сих пор не поняли, то я объясню: решения в парсинге не бывают вечными (особенно на таких сайтах как Авито, Ямаркет, Озон и пр.), а требуют постоянной доработки и изменений. Это постоянная игра в кошки-мышки. Также выходят новые версии библиотек, убираются одни методы, добавляются другие (как раз этот случай с Playwright). Именно поэтому разные компании, которые занимаются парсингом, продают как правило парсинг как услугу, а не как готовый продукт. Как-то так, надеюсь доступно объяснил

@Crystal94Glass 3 месяца назад

На моменте, когда нужно вывести 5 ссылок отпал. Вроде хорошее знание python, но такой костыль. Вы собрали СПИСОК из ссылок, в чем проблема было сделать срез списка? for link in links[:5] Все.

@the_parse_hub 3 месяца назад

Не Вы один это заметили) Косяк признаю, видимо у меня была мысль что-то сделать там еще или по-другому, хз, ничего уже не поменять

@IT_channel-py3nd 3 месяца назад

Добрый день! Можно ли создать такой парсер на сервере без графического интерфейса?

@the_parse_hub 3 месяца назад

Имеется ввиду наверное не создать, а запустить. Можно, headless там есть

@IT_channel-py3nd 3 месяца назад

@@the_parse_hub Да, именно запустить. Понял, спасибо!

@dmitrymorozov3038 8 месяцев назад

может вместо enumerate просто срез сделать

@AntonYatsenkoRU 8 месяцев назад

Спойлер, чтобы не тратили зря своё время. Это уже не актуально. Оно так не работает уже в случае с ozon((. Но автору спасибо. В образовательных целях было полезно)) Лайк

@the_parse_hub 8 месяцев назад

Я прекрасно понимаю, что такого вида парсеры не могут работать вечно, да и писался он больше в учебных целях, но ради интереса решил проверить сегодня его работоспособность: 1) После нескольких пробных запусков понял, что нужно добавить паузу перед тем как писать в поле поиска, добавил простой time.sleep(5) и всё заработало 2) Есть проблемы с чтением имени продавца, но и там не хватает обычной паузы 3) 90% проблем возникает из-за того, что в данном видео использовался playwright==1.36.0, сейчас это уже устаревшая версия, но никто не мешает установить именно её 4) Помните, что это не готовый рабочий продукт, а всего лишь что-то вроде прототипа и писалось для демонстрации работы playwright в реальных условия

@user-qu6dj9tm6w 9 месяцев назад

Спасибо автору за отличные видео. Скажите, кто-нибудь пробовал парсить Яндекс маркет? Помогите, пожалуйста, советом у кого получилось обходить капчу(

@the_parse_hub 9 месяцев назад

Я еще не пробовал

@mikala1158Qqq 7 месяцев назад

Дружище, что ты со списком ссылок делаешь… Есть прекрасный способ, называется срез, тогда код бы выглядел еще лаконичнее: for link in links[:5]: … А так спасибо за видео

@the_parse_hub 7 месяцев назад

Я уже сам не понимаю, почему я сделал именно так)

@user-zu2je2qm1g 7 месяцев назад

тоже резало глаз, хотел написать, а потом твой комментарий увидел)

@erikkaramian8005 5 месяцев назад

А если мне сразу озон выдаёт проверку на то человек ли я и потом ошибку ВПН выдаёт, то что делать тогда ? 14:35

@the_parse_hub 5 месяцев назад

Озону не нравится парсинг. Попробуйте увеличить паузы в скрипте, месяц назад это помогло, но на самом деле нужно искать другие способы парсинга - этот слишком нестабильный

@erikkaramian8005 5 месяцев назад

@@the_parse_hub да помогло запускать браузер с одним дополнительным аргументом и дальше по видео повторилось все легко

@the_parse_hub 5 месяцев назад

@@erikkaramian8005 вот и отлично

@user-ki3dy4gh6b 4 месяца назад

@@erikkaramian8005 не подскажите что добавиили?

@user_alex_ 5 месяцев назад

Нашел press('Enter')

@devracoon 7 месяцев назад

Зачем парсить хтмл если можно слушать сеть и поймать запрос к апи и парсить удобный json?

@konstantin_uphimtsev 10 месяцев назад

Чтобы селениум не блочили нужны танцы с бубнами.

@the_parse_hub 10 месяцев назад

нужно всего-лишь установить stealth или undetected_chromedriver, вот и все танцы

@konstantin_uphimtsev 10 месяцев назад

@@the_parse_hub к сожалению есть абсолютно злые сайты и это не поможет

@user-sb6ke7nm8j 10 месяцев назад

@@the_parse_hub не помогает ни stealth, ни undetected_chrome. Cloudflare срабатывает сразу на старте страницы, никаких действий еще не сделал. А undetected_chrome перестал проходить какие-либо защиты еще пару недель назад, до этого cloudflare обходил исправно. UPD: после корректировки аргументов, селениум stealth обходит cloudflare при старте страницы.

@ami_nolove 3 месяца назад

привет, напишешь мне парсер на озон? я бабки скину

@the_parse_hub 3 месяца назад

Привет. Пиши на почту что конкретнее нужно. Почта в описании

@rucat284 6 месяцев назад

ozon уже не попарсишь

@the_parse_hub 6 месяцев назад

Таким способом - скорее всего уже не получится. Но вообще спарсить можно всё - весь вопрос в доступных ресурсах

@andreylisogor3532 4 месяца назад

Подскажите, можно им парсить инстаграм? Использую selenium и bs4 для парсинга количествоюа подписчиков. Но сайт меня блочит через не которое количество повторений

@the_parse_hub 4 месяца назад

Для парсинга защищенных сайтов используйте лучше undetected_playwright, ну и не забывайте, что банить сайты могут и по поведению