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() 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) # Timeout auf 30s erhöht für mehr Stabilität logger.info("WebDriver erfolgreich initialisiert.") 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_and_navigate_to_target(self): """ Führt Login durch und navigiert zur Target-Seite via Klick auf den "Quick Link". Dieser Ansatz ist maximal robust. """ if not self.driver: return False username, password = self._load_credentials() if not username or not password: return False try: # --- SCHRITT 1: LOGIN --- logger.info(f"Navigiere zur Login-Seite: {DEALFRONT_LOGIN_URL}") self.driver.get(DEALFRONT_LOGIN_URL) email_field = self.wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "input[name='email']"))) email_field.send_keys(username) password_field = self.wait.until(EC.visibility_of_element_located((By.CSS_SELECTOR, "input[type='password']"))) password_field.send_keys(password) login_button = self.wait.until(EC.element_to_be_clickable((By.XPATH, "//button[normalize-space()='Log in']"))) login_button.click() # --- SCHRITT 2: NAVIGATION VIA QUICK-LINK-KACHEL --- logger.info("Login-Befehl gesendet. Warte auf Dashboard und 'Prospects finden'-Link.") # Dieser XPath zielt auf den Link in der "Quick links"-Kachel prospects_link_selector = (By.XPATH, "//a[@data-test-target-product-tile]") prospects_link = self.wait.until(EC.element_to_be_clickable(prospects_link_selector)) logger.info("'Prospects finden'-Link gefunden. Klicke darauf...") prospects_link.click() # --- SCHRITT 3: NAVIGATION VERIFIZIEREN --- 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}") verification_target_selector = (By.XPATH, "//button[normalize-space()='+ Neue Suche']") self.wait.until(EC.visibility_of_element_located(verification_target_selector)) logger.info("'Target'-Seite erfolgreich und vollständig geladen.") return True except Exception as e: logger.critical(f"Login- oder Navigationsprozess 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 = [] # 1. Finde alle Zeilen der Tabelle. # Jede Zeile ist ein ``-Element mit einer einzigartigen ID. rows_selector = (By.CSS_SELECTOR, "table#t-result-table tbody > tr[id]") # Wir warten explizit, bis mindestens eine Zeile geladen ist. self.wait.until(EC.presence_of_element_located(rows_selector)) time.sleep(3) # Kurze zusätzliche Pause, um sicherzustellen, dass JS die Tabelle vollständig rendert. 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.") # 2. Iteriere durch jede Zeile und extrahiere die Daten. for i, row in enumerate(rows): company_name = "" website = "" try: # --- KORRIGIERTER FIRMENNAMEN-SELEKTOR --- company_name_selector = (By.CSS_SELECTOR, ".sticky-column a.t-highlight-text") company_name_element = row.find_element(*company_name_selector) # Wir holen uns das 'title'-Attribut, da der Text abgeschnitten sein könnte. company_name = company_name_element.get_attribute("title").strip() # --- KORRIGIERTER WEBSEITEN-SELEKTOR --- website_selector = (By.CSS_SELECTOR, "a.text-gray-400.t-highlight-text") website_element = row.find_element(*website_selector) website = website_element.text.strip() if company_name and website: results.append({'name': company_name, 'website': website}) else: logger.warning(f"Zeile {i+1}: Unvollständige Daten (Name: '{company_name}', Webseite: '{website}').") except NoSuchElementException: logger.warning(f"Zeile {i+1}: Ein erwartetes Element (Name oder Webseite) wurde nicht gefunden. Überspringe diese Zeile.") continue logger.info(f"{len(results)} Firmen erfolgreich extrahiert.") return results except Exception as e: logger.error(f"Ein schwerwiegender Fehler ist bei der Extraktion der Ergebnisse aufgetreten: {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 - Phase 2a: Suche und Extraktion") scraper = None try: scraper = DealfrontScraper() if not scraper.driver: raise Exception("WebDriver konnte nicht initialisiert werden.") # Führe den kombinierten Login- und Navigationsschritt aus if not scraper.login_and_navigate_to_target(): raise Exception("Login und Navigation fehlgeschlagen.") # Suche laden if not scraper.load_search(Config.TARGET_SEARCH_NAME): raise Exception(f"Laden der Suche '{Config.TARGET_SEARCH_NAME}' fehlgeschlagen.") # Ergebnisse extrahieren companies = scraper.extract_current_page_results() # === NEUE, SAUBERE AUSGABE === if companies: # Erstelle einen pandas DataFrame aus der Ergebnisliste df = pd.DataFrame(companies) # Konfiguriere pandas, um den vollen Text in den Spalten anzuzeigen 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) if not df.empty: print(df.to_string(index=False)) else: print(" DataFrame ist leer, obwohl Ergebnisse vorhanden waren. Überprüfung nötig. ".center(80, "-")) print("="*80 + "\n") logger.info(f"{len(df)} Firmen erfolgreich in der Konsole ausgegeben.") else: logger.warning("Keine Firmen auf der ersten Seite extrahiert oder gefunden.") logger.info("Phase 2a 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.")