-
Notifications
You must be signed in to change notification settings - Fork 0
/
contatos_usinas_cana_selenium.py
170 lines (151 loc) · 6.28 KB
/
contatos_usinas_cana_selenium.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
# gets contact info from Brazilian sugarcane mills: name, city, website, emails, telephones
# info from novacana.com
# must have a login username and password in novacana.com to work
# info is saved in an Excel file
from typing import final
from selenium import webdriver
from webdriver_manager.chrome import ChromeDriverManager
from selenium.webdriver.common.keys import Keys
import pandas as pd
from pandas import ExcelWriter
from time import sleep
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
usuario_nova_cana = "insert_username" # INSERT USERNAME HERE
senha_nova_cana = "insert_password" # INSERT PASSWORD HERE
path = r"C:\path" # INSERT FILE PATH HERE
estado_url_suffix = ["acre","bahia","goias","mato-grosso","minas-gerais","paraiba","rio-de-janeiro","rio-grande-do-sul","sao-paulo","alagoas","amazonas","ceara","espirito-santo","maranhao","mato-grosso-do-sul","para","parana","piaui","rio-grande-do-norte","rondonia","sergipe","tocantins"]
base_url = "https://www.novacana.com/usinas_brasil/estados/"
def nova_cana_login(url_suffix):
driver = webdriver.Chrome(ChromeDriverManager().install())
url = base_url + url_suffix
driver.get(url)
login_button = driver.find_elements_by_xpath('//a[@class="ncLogin dropdown-toggle"]')[0].click()
username = driver.find_element_by_name("username")
password = driver.find_element_by_name("password")
username.send_keys(usuario_nova_cana)
password.send_keys(senha_nova_cana)
login_submit_button = driver.find_elements_by_xpath('//button[@class="btn btn-success submitLogin"]')[0].click()
return(driver)
def lista_usinas(driv):
usinas = driv.find_elements_by_tag_name('h1')
usinas_lista = []
for u in range(len(usinas)):
usinas_lista.append(usinas[u].text)
usinas_lista = [u for u in usinas_lista if u not in ("","Capacidade de moagem","Selos e autorizações","ASSINE","COMPARTILHAR")]
del usinas_lista[0:2]
return(usinas_lista)
def lista_cidades(driv):
cidades = driv.find_elements_by_tag_name('h2')
cidades_lista = []
for c in range(len(cidades)):
cidades_lista.append(cidades[c].text)
cidades_lista = [c for c in cidades_lista if c not in ("")]
return(cidades_lista)
def lista_contatos(driv):
tipo_contatos = driver.find_elements_by_class_name("tab-nome")
contatos = driver.find_elements_by_class_name("tab-cargo")
contatos_lista = []
for i in range(len(contatos)):
wait = WebDriverWait(driver, 10)
#sleep(1)
tipo_cont = wait.until(EC.presence_of_all_elements_located((By.CLASS_NAME,"tab-nome")))
cont = wait.until(EC.presence_of_all_elements_located((By.CLASS_NAME,"tab-cargo"))) #element_to_be_clickable((By.ID, 'someid')))
contatos_lista.append(tipo_cont[i].text + cont[i].text)
return contatos_lista
def add_blank_contacts(cont_list):
for i in range(0, len(cont_list)):
if i % 3 == 0:
if "Site" in cont_list[i]:
pass
else:
cont_list.insert(i,"Site:")
elif (i-1) % 3 == 0:
if "Email" in cont_list[i]:
pass
else:
cont_list.insert(i,"Email:")
else:
if "Tel" in cont_list[i]:
pass
else:
cont_list.insert(i,"Telefone:")
return cont_list
def split_contacts(cont_list):
sites = []
emails = []
telefones = []
for s in cont_list:
if "Site" in s:
sites.append(s)
if "Email" in s:
emails.append(s)
if "Tel" in s:
telefones.append(s)
return sites, emails, telefones
def clean_cols(cid,sit,ema,tel):
for i in range(len(cid)):
try:
cid[i] = cid[i].split(" -")[0]
except:
pass
try:
sit[i] = sit[i].split("Site:")[1]
except:
pass
try:
ema[i] = ema[i].split("Email:")[1]
except:
pass
try:
tel[i] = tel[i].split("Telefone:")[1]
except:
pass
return cid, sit, ema, tel
def lists_to_df(usi,cid,sit,ema,tel):
a = {'Usina':usi, 'Cidade':cid, 'Site':sit, 'Email':ema,'Telefone':tel }
df = pd.DataFrame.from_dict(a, orient='index')
df = df.transpose()
return df
def save_xls(dict_dfs, xls_path):
writer = ExcelWriter(xls_path)
for key in dict_dfs:
dict_dfs[key].to_excel(writer, key)
writer.save()
def main():
dict_usinas = {}
for estado in estado_url_suffix:
lista_dfs_usinas_estado = []
driver = nova_cana_login(estado)
sleep(5)
usinas_lista = lista_usinas(driver)
cidades_lista = lista_cidades(driver)
contatos_lista = add_blank_contacts(lista_contatos(driver))
(sites,emails,telefones) = split_contacts(contatos_lista)
(cidades_lista,sites,emails,telefones) = clean_cols(cidades_lista,sites,emails,telefones)
lista_dfs_usinas_estado.append(lists_to_df(usinas_lista,cidades_lista,sites,emails,telefones))
if estado == "sao-paulo":
lim_pag = 10
else:
lim_pag = 4
for i in range(2,lim_pag):
try:
driver.get(base_url+estado+f"?page={i}")
#driver = nova_cana_login(estado+f"?page={i}")
sleep(5)
usinas_lista = lista_usinas(driver)
cidades_lista = lista_cidades(driver)
contatos_lista = add_blank_contacts(lista_contatos(driver))
(sites,emails,telefones) = split_contacts(contatos_lista)
(cidades_lista,sites,emails,telefones) = clean_cols(cidades_lista,sites,emails,telefones)
lista_dfs_usinas_estado.append(lists_to_df(usinas_lista,cidades_lista,sites,emails,telefones))
except:
pass
df_usinas_estado = pd.concat(lista_dfs_usinas_estado)
dict_usinas[estado] = df_usinas_estado
#print(df_usinas_estado)
save_xls(dict_usinas,path)
driver.close()
if __name__ == "__main__":
main()