From c97137aacaee3d89210db229331c0545bf34555b Mon Sep 17 00:00:00 2001 From: Floke Date: Thu, 10 Jul 2025 14:15:18 +0000 Subject: [PATCH] dealfront_enrichment.py aktualisiert --- dealfront_enrichment.py | 165 +++++++++++++++++++--------------------- 1 file changed, 78 insertions(+), 87 deletions(-) diff --git a/dealfront_enrichment.py b/dealfront_enrichment.py index 88a78fff..58aba988 100644 --- a/dealfront_enrichment.py +++ b/dealfront_enrichment.py @@ -5,32 +5,30 @@ import logging import pandas as pd from selenium import webdriver from selenium.webdriver.common.by import By -from selenium.webdriver.chrome.service import Service from selenium.webdriver.chrome.options import Options as ChromeOptions from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.support import expected_conditions as EC from selenium.common.exceptions import TimeoutException, NoSuchElementException -# ============================================================================== -# TEMPORÄRE, AUTARKE KONFIGURATION -# ============================================================================== +# Temporäre Konfiguration, um Unabhängigkeit zu gewährleisten class TempConfig: - # --- Direkt hier definierte Werte, um config.py zu umgehen --- DEALFRONT_LOGIN_URL = "https://app.dealfront.com/login" - TARGET_SEARCH_NAME = "Facility Management" # <-- BITTE AN IHRE SUCHE ANPASSEN + TARGET_SEARCH_NAME = "Facility Management" # Passen Sie dies bei Bedarf an DEALFRONT_CREDENTIALS_FILE = "/app/dealfront_credentials.json" -# ============================================================================== + DEALFRONT_TARGET_URL = "https://app.dealfront.com/t?products=target%2Cconnect%2Cpromote%2Cdatacare" +# Logging-Konfiguration OUTPUT_DIR = "/app/output" -LOG_FORMAT = '%(asctime)s - %(levelname)-8s - %(name)-25s - %(message)s' # <-- DEFINITION HIER +LOG_FORMAT = '%(asctime)s - %(levelname)-8s - %(name)-25s - %(message)s' logging.basicConfig(level=logging.INFO, format=LOG_FORMAT, force=True) logging.getLogger("selenium").setLevel(logging.WARNING) logger = logging.getLogger(__name__) - -log_filename = f"dealfront_run_{time.strftime('%Y%m%d-%H%M%S')}.txt" +# Log-Datei einrichten +log_filename = f"dealfront_run_{time.strftime('%Y%m%d-%H%M%S')}.log" log_filepath = os.path.join(OUTPUT_DIR, log_filename) try: + os.makedirs(OUTPUT_DIR, exist_ok=True) file_handler = logging.FileHandler(log_filepath, mode='w', encoding='utf-8') file_handler.setLevel(logging.DEBUG) file_handler.setFormatter(logging.Formatter(LOG_FORMAT)) @@ -49,13 +47,13 @@ class DealfrontScraper: chrome_options.add_argument("--no-sandbox") chrome_options.add_argument("--disable-dev-shm-usage") chrome_options.add_argument("--window-size=1920,1080") - service = Service(executable_path='/usr/bin/chromedriver') + try: - self.driver = webdriver.Chrome(service=service, options=chrome_options) + self.driver = webdriver.Chrome(options=chrome_options) except Exception as e: logger.critical(f"WebDriver konnte nicht initialisiert werden.", exc_info=True) raise - self.wait = WebDriverWait(self.driver, 30) + self.wait = WebDriverWait(self.driver, 45) # Erhöhter Timeout für mehr Stabilität self.username, self.password = self._load_credentials() logger.info("WebDriver erfolgreich initialisiert.") @@ -69,84 +67,78 @@ class DealfrontScraper: return None, None def _save_debug_artifacts(self): - # ... (Diese Methode bleibt unverändert) ... try: - os.makedirs(OUTPUT_DIR, exist_ok=True) timestamp = time.strftime("%Y%m%d-%H%M%S") screenshot_filepath = os.path.join(OUTPUT_DIR, f"error_{timestamp}.png") html_filepath = os.path.join(OUTPUT_DIR, f"error_{timestamp}.html") self.driver.save_screenshot(screenshot_filepath) - logger.error(f"Screenshot '{screenshot_filepath}' wurde für die Analyse gespeichert.") + logger.error(f"Screenshot '{screenshot_filepath}' wurde gespeichert.") with open(html_filepath, "w", encoding="utf-8") as f: f.write(self.driver.page_source) - logger.error(f"HTML-Quellcode '{html_filepath}' wurde für die Analyse gespeichert.") + logger.error(f"HTML-Quellcode '{html_filepath}' wurde gespeichert.") except Exception as e: logger.error(f"Konnte Debug-Artefakte nicht speichern: {e}") - def login_and_find_list(self, search_name): - """ - Führt den gesamten Prozess vom Login bis zum Auffinden der Suchergebnisliste durch. - """ - try: - logger.info(f"Navigiere zur Login-Seite: {TempConfig.DEALFRONT_LOGIN_URL}") - self.driver.get(TempConfig.DEALFRONT_LOGIN_URL) - self.wait.until(EC.visibility_of_element_located((By.NAME, "email"))).send_keys(self.username) - 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.") - - logger.info("Warte auf Dashboard und den 'Prospects finden' Quick-Link...") - prospects_link_selector = (By.XPATH, "//a[@data-test-target-product-tile]") - prospects_link = self.wait.until(EC.element_to_be_clickable(prospects_link_selector)) - prospects_link.click() - logger.info("'Prospects finden' geklickt.") + def login(self): + try: + logger.info(f"Navigiere zur Login-Seite: {TempConfig.DEALFRONT_LOGIN_URL}") + self.driver.get(TempConfig.DEALFRONT_LOGIN_URL) + self.wait.until(EC.visibility_of_element_located((By.NAME, "email"))).send_keys(self.username) + 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 auf Weiterleitung...") + # Warten auf ein Element, das nach dem Login sicher da ist (z.B. Dashboard-Link) + 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.critical(f"Login-Prozess fehlgeschlagen.", exc_info=True) + self._save_debug_artifacts() + return False - logger.info(f"Warte auf die Liste der Suchen und klicke auf '{search_name}'...") - 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(f"Suche '{search_name}' geladen. Warte auf Ergebnisse.") - first_row_locator = (By.CSS_SELECTOR, "td.sticky-after-checkbox a.t-highlight-text") - self.wait.until(EC.visibility_of_element_located(first_row_locator)) - - logger.info("Zielseite mit Ergebnissen erfolgreich erreicht.") - return True - except Exception as e: - logger.critical(f"Prozess bis zum Laden der Liste fehlgeschlagen: {type(e).__name__}", exc_info=True) - self._save_debug_artifacts() - return False + def navigate_and_load_search(self, search_name): + try: + logger.info(f"Navigiere direkt zur Target-Seite und lade Suche '{search_name}'...") + self.driver.get(TempConfig.DEALFRONT_TARGET_URL) + self.wait.until(EC.url_contains("/t/prospector/")) + + 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(f"Suche '{search_name}' geladen. Warte auf das Rendern der Ergebnisse.") + first_row_locator = (By.CSS_SELECTOR, "table#t-result-table tbody tr[id]") + self.wait.until(EC.visibility_of_element_located(first_row_locator)) + logger.info("Ergebnisseite erfolgreich geladen.") + return True + except Exception as e: + logger.critical(f"Navigation oder Laden der Suche fehlgeschlagen.", exc_info=True) + self._save_debug_artifacts() + return False - # HIER IST DIE KORREKTE EINRÜCKUNG - def extract_current_page_results(self): - """ - Extrahiert Daten mit einem schnellen, direkten Ansatz, der Geister-Zeilen ignoriert. - """ - try: - logger.info("Extrahiere Ergebnisse mit dem finalen, direkten Selektor-Ansatz...") - results = [] - - # 1. Wir wissen, dass die Seite geladen ist, und können direkt suchen. - 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") + def extract_current_page_results(self): + try: + logger.info("Extrahiere Ergebnisse von der aktuellen Seite...") + results = [] + rows_with_data_selector = (By.XPATH, "//table[@id='t-result-table']/tbody/tr[.//a[contains(@class, 't-highlight-text')]]") + rows = self.wait.until(EC.presence_of_all_elements_located(rows_with_data_selector)) + logger.info(f"{len(rows)} gültige Firmen-Datenzeilen gefunden.") - logger.info(f"{len(company_elements)} Firmennamen und {len(website_elements)} Webseiten-Elemente gefunden.") - - if not company_elements: - logger.warning("Keine Firmen mit dem angegebenen Selektor gefunden.") - return [] - - for i in range(len(company_elements)): - company_name = company_elements[i].get_attribute("title").strip() - website = website_elements[i].text.strip() if i < len(website_elements) else "N/A" + 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 # Bleibt N/A, wenn keine Webseite gefunden wird results.append({'name': company_name, 'website': website}) - - logger.info(f"Extraktion abgeschlossen. {len(results)} Firmen verarbeitet.") - return results - - except Exception as e: - logger.error(f"Schwerwiegender Fehler bei der Extraktion: {type(e).__name__}", exc_info=True) - self._save_debug_artifacts() - return [] + except Exception as e: + logger.warning(f"Konnte eine Zeile nicht verarbeiten: {e}") + return results + except Exception as e: + logger.error(f"Fehler bei der Extraktion.", exc_info=True) + self._save_debug_artifacts() + return [] def close(self): if self.driver: @@ -154,18 +146,18 @@ class DealfrontScraper: self.driver.quit() if __name__ == "__main__": - logger.info("Starte Dealfront Automatisierung - DEBUG-MODUS") + logger.info("Starte Dealfront Automatisierung - Finaler Workflow") scraper = None try: scraper = DealfrontScraper() if not scraper.driver: raise Exception("WebDriver konnte nicht initialisiert werden.") - if not scraper.login_and_find_list(TempConfig.TARGET_SEARCH_NAME): - raise Exception("Der Prozess vom Login bis zum Laden der Liste ist fehlgeschlagen.") + if not scraper.login(): + raise Exception("Login fehlgeschlagen.") - # In dieser Version gibt es keine handle_overlays Methode mehr - # scraper.handle_overlays() + if not scraper.navigate_and_load_search(TempConfig.TARGET_SEARCH_NAME): + raise Exception("Navigation und Laden der Suche fehlgeschlagen.") companies = scraper.extract_current_page_results() if companies: @@ -173,20 +165,19 @@ if __name__ == "__main__": pd.set_option('display.max_rows', None) pd.set_option('display.max_columns', None) pd.set_option('display.width', 1000) - pd.set_option('display.max_colwidth', None) + pd.set_option('display.max_colwidth', -1) print("\n" + "="*80) print(" EXTRAHIERTE FIRMEN (ERSTE SEITE) ".center(80, "=")) print("="*80) print(df.to_string(index=False)) print("="*80 + "\n") else: - logger.warning("Obwohl die Seite geladen wurde, konnten keine Firmen extrahiert werden.") + logger.warning("Keine Firmen konnten extrahiert werden.") - logger.info("Test erfolgreich abgeschlossen. Warte vor dem Schließen...") - time.sleep(10) + logger.info("Test erfolgreich abgeschlossen.") except Exception as e: - logger.critical(f"Ein kritischer Fehler ist im Hauptprozess aufgetreten: {e}", exc_info=False) + logger.critical(f"Ein kritischer Fehler ist im Hauptprozess aufgetreten: {e}") finally: if scraper: scraper.close()