From d3ca3d2d3b2859f17e88edd4cf10e7c6cf51171a Mon Sep 17 00:00:00 2001 From: Floke Date: Fri, 11 Jul 2025 08:58:09 +0000 Subject: [PATCH] dealfront_enrichment.py aktualisiert --- dealfront_enrichment.py | 98 ++++++++++++++++++++--------------------- 1 file changed, 49 insertions(+), 49 deletions(-) diff --git a/dealfront_enrichment.py b/dealfront_enrichment.py index 69d95a73..f6e412b9 100644 --- a/dealfront_enrichment.py +++ b/dealfront_enrichment.py @@ -152,60 +152,60 @@ class DealfrontScraper: # --- NEUE METHODE FÜR PAGINIERUNG --- 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} ---") + """ + Iteriert durch alle Ergebnisseiten, indem auf den 'Weiter'-Button geklickt wird. + """ + all_companies = [] + page_number = 1 - # Warten auf die erste Datenzeile auf der aktuellen Seite - company_name_selector = (By.CSS_SELECTOR, "td.sticky-column a.t-highlight-text") - self.wait.until(EC.visibility_of_element_located(company_name_selector)) - - # Daten der aktuellen Seite extrahieren - page_results = self.extract_current_page_results() - if not page_results: - logger.warning("Konnte keine Ergebnisse auf der aktuellen Seite extrahieren.") - break # Stoppen, wenn keine Daten gefunden wurden - - all_companies.extend(page_results) - logger.info(f"Seite {page_number}: {len(page_results)} Firmen gefunden. Gesamt: {len(all_companies)}") + while True: + logger.info(f"--- Verarbeite Seite {page_number} ---") + + # Warten auf die erste Datenzeile auf der aktuellen Seite + company_name_selector = (By.CSS_SELECTOR, "td.sticky-column a.t-highlight-text") + self.wait.until(EC.visibility_of_element_located(company_name_selector)) + + # Daten der aktuellen Seite extrahieren + page_results = self.extract_current_page_results() + if not page_results: + logger.warning("Konnte keine Ergebnisse auf der aktuellen Seite extrahieren.") + break # Stoppen, wenn keine Daten gefunden wurden + + all_companies.extend(page_results) + 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.wait.until(EC.element_to_be_clickable(next_page_button_selector)) + # 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") - # 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 + try: + next_button = self.wait.until(EC.element_to_be_clickable(next_page_button_selector)) - # 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.") + # 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: + logger.info("Kein klickbarer 'Weiter'-Button gefunden. Letzte Seite erreicht.") break - except TimeoutException: - logger.info("Kein klickbarer 'Weiter'-Button gefunden. Letzte Seite erreicht.") - 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 + 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):