Skip to content

Latest commit

 

History

History
47 lines (38 loc) · 2.78 KB

README.md

File metadata and controls

47 lines (38 loc) · 2.78 KB

Web Scraping Luxostudio para imagenes

Este script de Python utiliza la biblioteca Selenium WebDriver para automatizar el proceso de búsqueda y extracción de URLs de imágenes de productos en el sitio web https://www.luxestudio.es. A continuación, se describen las principales secciones y funciones del script, así como el flujo general del programa.

Dependencias

  • Selenium: Para automatizar la interacción con el navegador.
  • Pandas: Para la manipulación y análisis de datos.
  • Logging: Para registrar información relevante durante la ejecución del script.

Configuración Inicial

  1. Configuración de logging: Se establece la configuración básica del registro para que muestre la hora, el nivel de gravedad y el mensaje.
  2. Inicialización del WebDriver: Se crea una nueva instancia del navegador Chrome.

Funciones Principales

  1. login():

    • Navega a la página de inicio de sesión.
    • Encuentra los campos de correo electrónico y contraseña, los llena y envía el formulario.
    • Espera hasta que la página de contenido esté cargada para confirmar el inicio de sesión.

  2. check_session_and_relogin():

    • Verifica si la sesión se ha cerrado comprobando la URL actual.
    • Si es necesario, inicia sesión nuevamente y navega de vuelta a la página de medios.

  3. get_last_processed_index(filename):

    • Lee y retorna el último índice de producto procesado desde un archivo.
    • Si el archivo no existe, retorna 0.

  4. search_and_extract_image_url(driver, product_name):

    • Divide el nombre del producto en partes y crea términos de búsqueda.
    • Realiza una búsqueda en la página de medios y extrae la URL de la imagen del producto.
    • Realiza varios intentos en caso de excepciones durante la búsqueda.

Flujo Principal del Programa

  1. Intenta iniciar sesión inicialmente usando la función login().
  2. Navega a la página de medios.
  3. Carga el archivo CSV archivo.csv y obtiene el último índice de producto procesado.
  4. Itera sobre los productos en el archivo CSV:
    • Verifica y re-inicia sesión si es necesario.
    • Busca y extrae la URL de la imagen del producto o hereda la imagen del producto padre si está disponible.
    • Actualiza el DataFrame y guarda el índice del último producto procesado.
  5. Guarda el DataFrame actualizado en un nuevo archivo CSV archivo-updated.csv.
  6. En caso de cualquier excepción, registra el error y cierra el navegador.
  7. Finalmente, guarda el índice del último producto procesado en un archivo y cierra el navegador.

Instrucciones para la Ejecución

  1. Asegúrate de tener instaladas las bibliotecas necesarias y el chromedriver correspondiente a tu versión de Chrome.
  2. Ejecuta el script y revisa los registros para monitorear el progreso y detectar cualquier posible error.