dealfront_enrichment.py aktualisiert

dealfront_enrichment.py

@@ -151,46 +151,102 @@ class DealfrontScraper:
             return []
 
     # --- NEUE METHODE FÜR PAGINIERUNG ---
-    def scrape_all_pages(self):
+        def scrape_all_pages(self):
+        """
+        Iteriert durch alle Ergebnisseiten, indem auf den 'Weiter'-Button geklickt wird.
+        """
         all_companies = []
         page_number = 1
+        
         while True:
             logger.info(f"--- Verarbeite Seite {page_number} ---")
             
-            # Warten, bis die Tabelle sichtbar ist
+            # Warten auf die erste Datenzeile auf der aktuellen Seite
-            self.wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "table#t-result-table")))
+            company_name_selector = (By.CSS_SELECTOR, "td.sticky-column a.t-highlight-text")
+            self.wait.until(EC.visibility_of_element_located(company_name_selector))
             
-            try:
+            # Daten der aktuellen Seite extrahieren
-                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.")
+                logger.warning("Konnte keine Ergebnisse auf der aktuellen Seite extrahieren.")
-                break
+                break # Stoppen, wenn keine Daten gefunden wurden
+            
             all_companies.extend(page_results)
-            logger.info(f"Bisher {len(all_companies)} Firmen insgesamt gefunden.")
+            logger.info(f"Seite {page_number}: {len(page_results)} Firmen gefunden. Gesamt: {len(all_companies)}")
 
+            # Weiter-Button finden
+            # Wir suchen nach einem Link, der ein SVG-Icon mit der Klasse 'fa-angle-right' enthält.
+            next_page_button_selector = (By.CSS_SELECTOR, "a.eb-pagination-button:not([disabled]) > svg.fa-angle-right")
+            
             try:
-                next_button = self.driver.find_element(By.XPATH, "//a[@class='eb-pagination-button' and .//svg[contains(@class, 'fa-angle-right')]]")
+                next_button = self.wait.until(EC.element_to_be_clickable(next_page_button_selector))
-                if "disabled" in next_button.get_attribute("class"):
+                
-                    logger.info("Letzte Seite erreicht.")
+                # Prüfen, ob der Button wirklich klickbar ist und nicht nur vorhanden
+                if next_button.is_displayed() and next_button.is_enabled():
+                    logger.info("Weiter-Button gefunden und klickbar. Klicke auf Weiter...")
+                    self.driver.execute_script("arguments[0].click();", next_button)
+                    page_number += 1
+                    
+                    # Nach dem Klicken auf "Weiter" warten wir wieder auf das Erscheinen des ersten Elements der NEUEN Seite.
+                    # Das ist robuster als eine feste Zeit.
+                    self.wait.until(EC.visibility_of_element_located(company_name_selector))
+                    logger.info("Neue Seite geladen.")
+                else:
+                    logger.info("Weiter-Button ist vorhanden, aber deaktiviert. Letzte Seite erreicht.")
                     break
-                
+            except TimeoutException:
-                next_button.click()
+                logger.info("Kein klickbarer 'Weiter'-Button gefunden. Letzte Seite erreicht.")
-                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
-        
+            except NoSuchElementException:
+                logger.info("Kein 'Weiter'-Button gefunden. Letzte Seite erreicht.")
+                break
+            except Exception as e:
+                logger.error(f"Unerwarteter Fehler beim Navigieren zur nächsten Seite: {e}")
+                self._save_debug_artifacts()
+                break
+                
         return all_companies
 
+    # Die extract_current_page_results Methode bleibt, wie sie zuletzt war, mit den robusten Selektoren
+    def extract_current_page_results(self):
+        """
+        Extrahiert Daten NUR aus den sichtbaren Ergebniszeilen und optimiert die Wartezeiten.
+        """
+        try:
+            logger.info("Extrahiere Ergebnisse von der aktuellen Seite...")
+            results = []
+            
+            first_company_link_selector = (By.CSS_SELECTOR, "td.sticky-column a.t-highlight-text")
+            self.wait.until(EC.visibility_of_element_located(first_company_link_selector))
+            
+            rows_with_data_selector = (By.XPATH, "//table[@id='t-result-table']/tbody/tr[.//a[contains(@class, 't-highlight-text')]]")
+            rows = self.driver.find_elements(*rows_with_data_selector)
+            
+            if not rows:
+                logger.warning("Keine gültigen Datenzeilen gefunden.")
+                return []
+
+            for row in rows:
+                try:
+                    company_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': company_name, 'website': website})
+                except NoSuchElementException:
+                    logger.warning("Konnte Daten aus einer Zeile nicht extrahieren.")
+                    continue
+            
+            logger.info(f"{len(results)} Firmen extrahiert.")
+            return results
+            
+        except Exception as e:
+            logger.error(f"Fehler bei der Extraktion: {type(e).__name__}", exc_info=True)
+            self._save_debug_artifacts()
+            return []
+
     def close(self):
         if self.driver:
             self.driver.quit()