import os import json import time import logging from selenium import webdriver from selenium.webdriver.common.by import By 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 from selenium.webdriver.common.keys import Keys import pandas as pd from config import Config, DEALFRONT_LOGIN_URL, DEALFRONT_CREDENTIALS_FILE, DEALFRONT_TARGET_URL, TARGET_SEARCH_NAME # Logging-Konfiguration LOG_LEVEL = logging.DEBUG if Config.DEBUG else logging.INFO LOG_FORMAT = '%(asctime)s - %(levelname)-8s - %(name)-25s - %(message)s' logging.basicConfig(level=LOG_LEVEL, format=LOG_FORMAT, force=True) logger = logging.getLogger(__name__) OUTPUT_DIR = "/app/output" class DealfrontScraper: def __init__(self): logger.info("Initialisiere DealfrontScraper und Chrome WebDriver.") chrome_options = ChromeOptions() # NEU: Lade-Optimierungen prefs = {"profile.managed_default_content_settings.images": 2} chrome_options.add_experimental_option("prefs", prefs) chrome_options.add_argument("--headless") chrome_options.add_argument("--no-sandbox") chrome_options.add_argument("--disable-dev-shm-usage") chrome_options.add_argument("--window-size=1920,1080") chrome_options.add_argument("--disable-blink-features=AutomationControlled") chrome_options.add_experimental_option("excludeSwitches", ["enable-automation"]) chrome_options.add_experimental_option('useAutomationExtension', False) try: self.driver = webdriver.Chrome(options=chrome_options) self.driver.execute_script("Object.defineProperty(navigator, 'webdriver', {get: () => undefined})") except Exception as e: logger.critical(f"WebDriver konnte nicht initialisiert werden. Fehler: {e}", exc_info=True) self.driver = None raise self.wait = WebDriverWait(self.driver, 30) logger.info("WebDriver erfolgreich initialisiert (Bild-Laden deaktiviert).") def _load_credentials(self): # (Diese Methode bleibt unverändert) try: with open(DEALFRONT_CREDENTIALS_FILE, 'r') as f: creds = json.load(f) username = creds.get("username") password = creds.get("password") if not username or "DEIN_DEALFRONT_BENUTZERNAME" in username or not password or "DEIN_DEALFRONT_PASSWORT" in password: logger.error(f"Zugangsdaten in '{DEALFRONT_CREDENTIALS_FILE}' sind ungültig.") return None, None return username, password except FileNotFoundError: logger.error(f"Credentials-Datei nicht gefunden: '{DEALFRONT_CREDENTIALS_FILE}'") return None, None except json.JSONDecodeError: logger.error(f"Fehler beim Parsen der Credentials-Datei: '{DEALFRONT_CREDENTIALS_FILE}'") return None, None def _save_debug_artifacts(self): # (Diese Methode bleibt unverändert, aber mit neuem Namen) 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") self.driver.save_screenshot(screenshot_filepath) logger.error(f"Screenshot '{screenshot_filepath}' wurde für die Analyse gespeichert.") html_filepath = os.path.join(OUTPUT_DIR, f"error_{timestamp}.html") 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.") except Exception as e: logger.error(f"Konnte Debug-Artefakte nicht speichern: {e}") def login(self): """ Führt den Login-Prozess durch, indem menschliches Verhalten simuliert wird: 1. Seite laden. 2. Warten bis URL korrekt ist. 3. Warten bis Formular da ist. 4. Ausfüllen und klicken. """ if not self.driver: return False username, password = self._load_credentials() if not username or not password: return False try: # SCHRITT 1: SEITE LADEN logger.info(f"Navigiere zur Login-Seite: {DEALFRONT_LOGIN_URL}") self.driver.get(DEALFRONT_LOGIN_URL) # SCHRITT 2: VERIFIZIEREN, DASS DIE SEITE VOLLSTÄNDIG GELADEN IST # Wir warten darauf, dass die URL in der Adressleiste die Login-URL enthält. # Das ist ein starkes Indiz, dass die Seite nicht im Ladezustand festhängt. self.wait.until(EC.url_contains("login")) logger.info("Login-Seite URL erfolgreich bestätigt. Warte kurz, damit die Seite rendern kann...") time.sleep(3) # Kurze Atempause für die Seite # SCHRITT 3: FORMULAR FINDEN UND AUSFÜLLEN logger.info("Suche nach dem E-Mail-Eingabefeld...") email_field = self.wait.until(EC.visibility_of_element_located((By.NAME, "email"))) logger.info("E-Mail-Feld gefunden. Fülle Formulardaten aus.") email_field.send_keys(username) password_field = self.driver.find_element(By.CSS_SELECTOR, "input[type='password']") password_field.send_keys(password) login_button = self.driver.find_element(By.XPATH, "//button[normalize-space()='Log in']") login_button.click() logger.info("Login-Befehl gesendet. Die Seite sollte nun weiterleiten.") return True except Exception as e: logger.critical(f"Login-Prozess ist fehlgeschlagen: {type(e).__name__}", exc_info=True) self._save_debug_artifacts() return False def navigate_to_target(self): """Navigiert direkt zur Target-URL und wartet auf Bestätigung.""" try: logger.info(f"Navigiere direkt zur Target-URL: {Config.DEALFRONT_TARGET_URL}") self.driver.get(Config.DEALFRONT_TARGET_URL) # Warten, bis die URL sich tatsächlich ändert. self.wait.until(EC.url_contains("/t/prospector/")) logger.info(f"URL-Wechsel bestätigt. Aktuelle URL: {self.driver.current_url}") # Warten, bis die Seite gerendert ist. verification_selector = (By.XPATH, "//button[normalize-space()='+ Neue Suche']") self.wait.until(EC.visibility_of_element_located(verification_selector)) logger.info("'Target'-Seite erfolgreich und vollständig geladen.") return True except Exception as e: logger.critical(f"Navigation zur 'Target'-Seite fehlgeschlagen: {type(e).__name__}", exc_info=True) self._save_debug_artifacts() return False def navigate_to_target(self): """ Navigiert zum 'Target'-Bereich und verifiziert den Erfolg in drei Schritten. Dieser Ansatz ist maximal robust gegen Timing-Probleme von SPAs. """ try: # SCHRITT 1: Befehl zur Navigation geben logger.info(f"Gebe Navigationsbefehl zur Target-URL: {Config.DEALFRONT_TARGET_URL}") self.driver.get(Config.DEALFRONT_TARGET_URL) # SCHRITT 2: Warten, bis die URL in der Adresszeile sich tatsächlich ändert. url_part_to_wait_for = "/t/prospector/" logger.info(f"Warte, bis die Browser-URL '{url_part_to_wait_for}' enthält...") self.wait.until(EC.url_contains(url_part_to_wait_for)) logger.info(f"URL-Wechsel bestätigt. Aktuelle URL: {self.driver.current_url}") # SCHRITT 3: ERST JETZT auf ein sichtbares Element auf der neuen Seite warten. verification_selector = (By.XPATH, "//button[normalize-space()='+ Neue Suche']") logger.info(f"Warte auf Sichtbarkeit des Verifizierungs-Elements auf der Target-Seite: {verification_selector}") self.wait.until(EC.visibility_of_element_located(verification_selector)) logger.info("'Target'-Seite erfolgreich und vollständig geladen.") return True except Exception as e: logger.critical(f"Navigation zur 'Target'-Seite endgültig fehlgeschlagen: {type(e).__name__}", exc_info=True) self._save_debug_artifacts() return False def load_search(self, search_name): # (Diese Methode bleibt vorerst unverändert) try: logger.info(f"Suche und lade die vordefinierte Suche: '{search_name}'") search_link_selector = (By.XPATH, f"//div[contains(@class, 'truncate') and normalize-space()='{search_name}']") search_link = self.wait.until(EC.element_to_be_clickable(search_link_selector)) search_link.click() results_table_header_selector = (By.XPATH, "//th[normalize-space()='Firma']") self.wait.until(EC.visibility_of_element_located(results_table_header_selector)) logger.info(f"Suche '{search_name}' erfolgreich geladen und Ergebnisse angezeigt.") time.sleep(3) return True except Exception as e: logger.critical(f"Laden der Suche '{search_name}' fehlgeschlagen: {type(e).__name__}", exc_info=True) self._save_debug_artifacts() return False def extract_current_page_results(self): """ Extrahiert die Firmennamen und Webseiten von der aktuellen Ergebnisseite unter Verwendung der verifizierten und präzisen CSS-Selektoren. """ try: logger.info("Extrahiere Ergebnisse von der aktuellen Seite...") results = [] rows_selector = (By.CSS_SELECTOR, "table#t-result-table tbody > tr[id]") self.wait.until(EC.presence_of_element_located(rows_selector)) time.sleep(3) rows = self.driver.find_elements(*rows_selector) if not rows: logger.warning("Keine Ergebniszeilen (tr[id]) auf der Seite gefunden.") self._save_debug_artifacts() return [] logger.info(f"{len(rows)} Ergebniszeilen zur Verarbeitung gefunden.") for i, row in enumerate(rows): company_name, website = "", "" try: # --- IHR SELEKTOR FÜR FIRMENNAMEN --- company_name_element = row.find_element(By.CSS_SELECTOR, ".sticky-column a.t-highlight-text") company_name = company_name_element.get_attribute("title").strip() # --- IHR SELEKTOR FÜR WEBSITES --- website_element = row.find_element(By.CSS_SELECTOR, "a.text-gray-400.t-highlight-text") website = website_element.text.strip() if company_name and website: results.append({'name': company_name, 'website': website}) except NoSuchElementException: logger.warning(f"Zeile {i+1}: Name oder Webseite nicht gefunden. Überspringe.") continue logger.info(f"{len(results)} Firmen erfolgreich extrahiert.") 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 [] def close(self): if self.driver: logger.info("Schließe den WebDriver.") self.driver.quit() if __name__ == "__main__": logger.info("Starte Dealfront Automatisierung - Rekonstruierter Workflow") scraper = None try: scraper = DealfrontScraper() if not scraper.driver: raise Exception("WebDriver konnte nicht initialisiert werden.") # Schritt 1: Login if not scraper.login(): raise Exception("Login fehlgeschlagen.") # Kurze Pause, um der Weiterleitung nach dem Login eine Chance zu geben. # Dies ist der einzige 'sleep', den wir brauchen. time.sleep(5) # Schritt 2: Navigation if not scraper.navigate_to_target(): raise Exception("Navigation zur Target-Seite fehlgeschlagen.") # ... (Rest der main-Funktion mit Suche und Extraktion bleibt gleich) ... if not scraper.load_search(Config.TARGET_SEARCH_NAME): raise Exception(f"Laden der Suche '{Config.TARGET_SEARCH_NAME}' fehlgeschlagen.") companies = scraper.extract_current_page_results() if companies: df = pd.DataFrame(companies) 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) print("\n" + "="*80) print(" EXTRAHIERTE FIRMEN (ERSTE SEITE) ".center(80, "=")) print("="*80) print(df.to_string(index=False)) print("="*80 + "\n") else: logger.warning("Keine Firmen auf der ersten Seite extrahiert oder gefunden.") logger.info("Test erfolgreich abgeschlossen. Warte vor dem Schließen...") time.sleep(10) except Exception as e: logger.critical(f"Ein kritischer Fehler ist im Hauptprozess aufgetreten: {e}", exc_info=False) finally: if scraper: scraper.close() logger.info("Dealfront Automatisierung beendet.")