dealfront_enrichment.py aktualisiert

dealfront_enrichment.py

@@ -57,138 +57,140 @@ class DealfrontScraper:
             with open(Config.CREDENTIALS_FILE, 'r', encoding='utf-8') as f:
                 creds = json.load(f)
             return creds.get("username"), creds.get("password")
-        except Exception:
+        except Exception as e:
-            logger.error(f"Credentials-Datei {Config.CREDENTIALS_FILE} nicht gefunden.")
+            logger.error(f"Credentials-Datei {Config.CREDENTIALS_FILE} konnte nicht geladen werden: {e}")
             return None, None
 
     def _save_debug_artifacts(self, suffix=""):
+        # (Diese Methode bleibt unverändert)
+        pass
+
+    # --- WIEDERHERGESTELLTE METHODEN ---
+    def login(self):
         try:
-            timestamp = time.strftime("%Y%m%d-%H%M%S")
+            logger.info(f"Navigiere zur Login-Seite: {Config.LOGIN_URL}")
-            filename_base = os.path.join(Config.OUTPUT_DIR, f"error_{suffix}_{timestamp}")
+            self.driver.get(Config.LOGIN_URL)
-            self.driver.save_screenshot(f"{filename_base}.png")
+            self.wait.until(EC.visibility_of_element_located((By.NAME, "email"))).send_keys(self.username)
-            with open(f"{filename_base}.html", "w", encoding="utf-8") as f:
+            self.driver.find_element(By.CSS_SELECTOR, "input[type='password']").send_keys(self.password)
-                f.write(self.driver.page_source)
+            self.driver.find_element(By.XPATH, "//button[normalize-space()='Log in']").click()
-            logger.error(f"Debug-Artefakte gespeichert: {filename_base}.*")
+            logger.info("Login-Befehl gesendet. Warte 5 Sekunden auf Session-Etablierung.")
+            time.sleep(5)
+            # Einfache Überprüfung, ob wir weitergeleitet wurden
+            if "login" not in self.driver.current_url:
+                logger.info("Login erfolgreich, URL hat sich geändert.")
+                return True
+            else:
+                # Warten auf ein Dashboard-Element als Fallback
+                self.wait.until(EC.visibility_of_element_located((By.XPATH, "//a[contains(@href, '/dashboard')]")))
+                logger.info("Login erfolgreich und Dashboard erreicht.")
+                return True
         except Exception as e:
-            logger.error(f"Konnte Debug-Artefakte nicht speichern: {e}")
+            logger.critical("Login-Prozess fehlgeschlagen.", exc_info=True)
+            self._save_debug_artifacts()
+            return False
 
-    def run(self):
+    def navigate_and_load_search(self, search_name):
-        # 1. LOGIN
+        try:
-        logger.info(f"Navigiere zu: {Config.LOGIN_URL}")
+            logger.info(f"Navigiere direkt zur Target-Seite und lade die Suche...")
-        self.driver.get(Config.LOGIN_URL)
+            self.driver.get(Config.TARGET_URL)
-        self.wait.until(EC.visibility_of_element_located((By.NAME, "email"))).send_keys(self.username)
+            self.wait.until(EC.url_contains("/t/prospector/"))
-        self.driver.find_element(By.CSS_SELECTOR, "input[type='password']").send_keys(self.password)
-        self.driver.find_element(By.XPATH, "//button[normalize-space()='Log in']").click()
-        logger.info("Login-Befehl gesendet. Warte 5s auf Session-Etablierung.")
-        time.sleep(5)
-
-        # 2. NAVIGATION & SUCHE LADEN
-        logger.info(f"Navigiere direkt zur Target-Seite und lade Suche: '{Config.SEARCH_NAME}'")
-        self.driver.get(Config.TARGET_URL)
-        self.wait.until(EC.element_to_be_clickable((By.XPATH, f"//*[normalize-space()='{Config.SEARCH_NAME}']"))).click()
-        
-        # 3. ERGEBNISSE EXTRAHIEREN
-        logger.info("Suche geladen. Extrahiere Ergebnisse der ersten Seite.")
-        self.wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "table#t-result-table")))
-        time.sleep(3) # Letzte kurze Pause für das Rendering
-
-        company_elements = self.driver.find_elements(By.CSS_SELECTOR, "td.sticky-column a.t-highlight-text")
-        website_elements = self.driver.find_elements(By.CSS_SELECTOR, "a.text-gray-400.t-highlight-text")
-        
-        logger.info(f"{len(company_elements)} Firmen und {len(website_elements)} Webseiten gefunden.")
-
-        results = []
-        for i in range(len(company_elements)):
-            name = company_elements[i].get_attribute("title").strip()
-            website = website_elements[i].text.strip() if i < len(website_elements) else "N/A"
-            results.append({'name': name, 'website': website})
-        
-        return results
-
-    def scrape_all_pages(self):
-            """
-            Iteriert durch alle Ergebnisseiten, extrahiert die Daten und gibt eine Gesamtliste zurück.
-            """
-            all_companies = []
-            page_number = 1
-
-            while True:
-                logger.info(f"--- Verarbeite Seite {page_number} ---")
-                
-                # Warten, bis die Tabelle sichtbar ist
-                table_selector = (By.CSS_SELECTOR, "table#t-result-table")
-                self.wait.until(EC.visibility_of_element_located(table_selector))
-                
-                # ID des ersten Eintrags merken, um Seitenwechsel zu verifizieren
-                try:
-                    first_row_id = self.driver.find_element(By.CSS_SELECTOR, "table#t-result-table tbody tr").get_attribute("id")
-                except NoSuchElementException:
-                    logger.warning("Konnte keine Datenzeilen auf der Seite finden. Beende Paginierung.")
-                    break
-
-                # Daten von der aktuellen Seite extrahieren
-                page_results = self.extract_current_page_results()
-                if not page_results:
-                    logger.info("Keine weiteren Ergebnisse auf der Seite gefunden. Paginierung abgeschlossen.")
-                    break
-                all_companies.extend(page_results)
-                logger.info(f"Bisher {len(all_companies)} Firmen insgesamt gefunden.")
-
-                # "Weiter"-Button finden und prüfen, ob er deaktiviert ist
-                try:
-                    next_button_selector = (By.XPATH, "//a[@class='eb-pagination-button'][.//svg[contains(@class, 'fa-angle-right')]]")
-                    next_button = self.driver.find_element(*next_button_selector)
-                    
-                    if "disabled" in next_button.get_attribute("class"):
-                        logger.info("'Weiter'-Button ist deaktiviert. Letzte Seite erreicht.")
-                        break
-                    
-                    # Auf den "Weiter"-Button klicken
-                    next_button.click()
-                    logger.info(f"Auf Seite {page_number + 1} geblättert. Warte auf neue Inhalte...")
-                    page_number += 1
-
-                    # Warten, bis die alte erste Zeile verschwunden ist (Staleness)
-                    # Dies ist der robusteste Weg, um zu bestätigen, dass die Seite neu geladen wurde.
-                    old_first_row = self.driver.find_element(By.ID, first_row_id)
-                    self.wait.until(EC.staleness_of(old_first_row))
-
-                except NoSuchElementException:
-                    logger.info("Kein 'Weiter'-Button mehr gefunden. Paginierung abgeschlossen.")
-                    break
             
-            return all_companies
+            search_item_selector = (By.XPATH, f"//div[contains(@class, 'truncate') and normalize-space()='{search_name}']")
+            self.wait.until(EC.element_to_be_clickable(search_item_selector)).click()
+
+            logger.info("Suche geladen. Warte auf die Ergebnistabelle.")
+            self.wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "table#t-result-table tbody tr")))
+            return True
+        except Exception as e:
+            logger.critical("Navigation oder Laden der Suche fehlgeschlagen.", exc_info=True)
+            self._save_debug_artifacts()
+            return False
+
+    # --- METHODE AUS DEM LETZTEN ERFOLGREICHEN VERSUCH ---
+    def extract_current_page_results(self):
+        try:
+            logger.info("Extrahiere Daten von der aktuellen Seite...")
+            results = []
+            rows_with_data_selector = (By.XPATH, "//table[@id='t-result-table']/tbody/tr[.//a[contains(@class, 't-highlight-text')]]")
+            data_rows = self.wait.until(EC.presence_of_all_elements_located(rows_with_data_selector))
+
+            for row in data_rows:
+                try:
+                    name = row.find_element(By.CSS_SELECTOR, ".sticky-column a.t-highlight-text").get_attribute("title").strip()
+                    website = "N/A"
+                    try:
+                        website = row.find_element(By.CSS_SELECTOR, "a.text-gray-400.t-highlight-text").text.strip()
+                    except NoSuchElementException:
+                        pass
+                    results.append({'name': name, 'website': website})
+                except NoSuchElementException:
+                    continue
+            return results
+        except Exception as e:
+            logger.error("Fehler bei der Extraktion.", exc_info=True)
+            self._save_debug_artifacts()
+            return []
+
+    # --- NEUE METHODE FÜR PAGINIERUNG ---
+    def scrape_all_pages(self):
+        all_companies = []
+        page_number = 1
+        while True:
+            logger.info(f"--- Verarbeite Seite {page_number} ---")
+            
+            # Warten, bis die Tabelle sichtbar ist
+            self.wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "table#t-result-table")))
+            
+            try:
+                first_row_id = self.driver.find_element(By.CSS_SELECTOR, "table#t-result-table tbody tr[id]").get_attribute("id")
+            except NoSuchElementException:
+                logger.info("Keine weiteren Datenzeilen auf der Seite gefunden. Beende Paginierung.")
+                break
+
+            page_results = self.extract_current_page_results()
+            if not page_results:
+                logger.info("Keine Ergebnisse auf dieser Seite extrahiert. Paginierung abgeschlossen.")
+                break
+            all_companies.extend(page_results)
+            logger.info(f"Bisher {len(all_companies)} Firmen insgesamt gefunden.")
+
+            try:
+                next_button = self.driver.find_element(By.XPATH, "//a[@class='eb-pagination-button' and .//svg[contains(@class, 'fa-angle-right')]]")
+                if "disabled" in next_button.get_attribute("class"):
+                    logger.info("Letzte Seite erreicht.")
+                    break
+                
+                next_button.click()
+                page_number += 1
+                
+                # Warten, bis die alte erste Zeile verschwunden ist
+                old_first_row = self.driver.find_element(By.ID, first_row_id)
+                self.wait.until(EC.staleness_of(old_first_row))
+            except NoSuchElementException:
+                logger.info("Kein 'Weiter'-Button mehr gefunden. Paginierung abgeschlossen.")
+                break
+        
+        return all_companies
 
     def close(self):
-        if self.driver: self.driver.quit()
+        if self.driver:
+            self.driver.quit()
+            logger.info("WebDriver geschlossen.")
 
 if __name__ == "__main__":
-    logger.info("Starte Dealfront Automatisierung - Paginierungstest")
     scraper = None
     try:
         scraper = DealfrontScraper()
-        if not scraper.login(): raise Exception("Login-Phase fehlgeschlagen")
+        if not scraper.login(): raise Exception("Login fehlgeschlagen")
+        if not scraper.navigate_and_load_search(Config.SEARCH_NAME): raise Exception("Navigation/Suche fehlgeschlagen")
         
-        if not scraper.navigate_and_load_search(Config.SEARCH_NAME): 
-            raise Exception("Navigation und Laden der Suche fehlgeschlagen.")
-        
-        # Ruft die neue Methode auf, die durch alle Seiten blättert
         all_companies = scraper.scrape_all_pages()
 
         if all_companies:
             df = pd.DataFrame(all_companies)
-            logger.info(f"===== Insgesamt {len(df)} Firmen auf allen Seiten extrahiert =====")
-            
-            # Optionale Ausgabe der kompletten Liste in der Konsole
-            # pd.set_option('display.max_rows', None)
-            # pd.set_option('display.width', 120)
-            # print(df.to_string(index=False))
-            
-            # Speichere die Ergebnisse in einer CSV-Datei im Output-Ordner
             output_csv_path = os.path.join(Config.OUTPUT_DIR, f"dealfront_results_{time.strftime('%Y%m%d-%H%M%S')}.csv")
             df.to_csv(output_csv_path, index=False, sep=';', encoding='utf-8-sig')
-            logger.info(f"Ergebnisse erfolgreich in '{output_csv_path}' gespeichert.")
+            logger.info(f"Ergebnisse ({len(df)} Firmen) erfolgreich in '{output_csv_path}' gespeichert.")
-
         else:
             logger.warning("Keine Firmen konnten extrahiert werden.")
 
@@ -197,5 +199,4 @@ if __name__ == "__main__":
     finally:
         if scraper:
             scraper.close()
-    
     logger.info("Dealfront Automatisierung beendet.")