fehlerkorrektur und debugausgabe
This commit is contained in:
parent
60964f7f6e
commit
19a01a4f90
|
|
@ -2,28 +2,41 @@
|
|||
import requests
|
||||
import json
|
||||
import hashlib
|
||||
import logging
|
||||
from datetime import datetime
|
||||
from bs4 import BeautifulSoup
|
||||
|
||||
# Importiere declarative_base aus sqlalchemy.orm (SQLAlchemy 2.0-konform)
|
||||
from sqlalchemy.orm import declarative_base, relationship, sessionmaker
|
||||
from sqlalchemy import create_engine, Column, Integer, String, Float, DateTime, ForeignKey, Text
|
||||
from sqlalchemy.orm import declarative_base, relationship, sessionmaker
|
||||
|
||||
# Basis-Klasse für SQLAlchemy-Modelle
|
||||
# Konfiguriere Logging – passe das Level bei Bedarf an (DEBUG, INFO, WARNING, ERROR)
|
||||
DEBUG_LEVEL = logging.DEBUG
|
||||
logging.basicConfig(
|
||||
level=DEBUG_LEVEL,
|
||||
format="%(asctime)s [%(levelname)s] %(message)s",
|
||||
datefmt="%Y-%m-%d %H:%M:%S"
|
||||
)
|
||||
logger = logging.getLogger(__name__)
|
||||
|
||||
# Basis-Klasse für SQLAlchemy-Modelle (SQLAlchemy 2.0-konform)
|
||||
Base = declarative_base()
|
||||
|
||||
# Tabelle für das Bundle (statische Identifikation)
|
||||
class Bundle(Base):
|
||||
__tablename__ = 'bundles'
|
||||
id = Column(Integer, primary_key=True)
|
||||
machine_name = Column(String, unique=True) # z. B. "linuxfrombeginnertoprofessionaloreilly_bookbundle"
|
||||
machine_name = Column(String, unique=True)
|
||||
human_name = Column(String)
|
||||
# current_version_id verweist auf die aktuelle Version in bundle_versions
|
||||
current_version_id = Column(Integer, ForeignKey('bundle_versions.id'))
|
||||
|
||||
# Beziehung zur aktuellen Version
|
||||
current_version = relationship("BundleVersion", uselist=False, foreign_keys=[current_version_id])
|
||||
# Beziehung zur aktuellen Version; post_update=True hilft bei zirkulären Abhängigkeiten
|
||||
current_version = relationship("BundleVersion", uselist=False,
|
||||
foreign_keys=[current_version_id],
|
||||
post_update=True)
|
||||
# Alle Versionen (historisch)
|
||||
versions = relationship("BundleVersion", back_populates="bundle", foreign_keys='BundleVersion.bundle_id')
|
||||
versions = relationship("BundleVersion", back_populates="bundle",
|
||||
foreign_keys=lambda: [BundleVersion.bundle_id])
|
||||
# Verkaufshistorie
|
||||
sales_history = relationship("BundleSalesHistory", back_populates="bundle")
|
||||
|
||||
|
|
@ -32,13 +45,14 @@ class BundleVersion(Base):
|
|||
__tablename__ = 'bundle_versions'
|
||||
id = Column(Integer, primary_key=True)
|
||||
bundle_id = Column(Integer, ForeignKey('bundles.id'))
|
||||
version_hash = Column(String) # SHA-256 Hash der relevanten Daten
|
||||
version_data = Column(Text) # Alle relevanten Bundle-Daten als JSON-String
|
||||
version_hash = Column(String)
|
||||
version_data = Column(Text) # Relevante Bundle-Daten als JSON-String
|
||||
timestamp = Column(DateTime, default=datetime.utcnow)
|
||||
|
||||
bundle = relationship("Bundle", back_populates="versions")
|
||||
# Eindeutige Beziehung: wir verwenden hier explizit bundle_id
|
||||
bundle = relationship("Bundle", back_populates="versions", foreign_keys=[bundle_id])
|
||||
|
||||
# Tabelle für Verkaufshistorie (zur zeitlichen Analyse der Verkaufszahlen)
|
||||
# Tabelle für Verkaufshistorie
|
||||
class BundleSalesHistory(Base):
|
||||
__tablename__ = 'bundle_sales_history'
|
||||
id = Column(Integer, primary_key=True)
|
||||
|
|
@ -51,17 +65,23 @@ class BundleSalesHistory(Base):
|
|||
def calculate_hash(data: dict) -> str:
|
||||
"""Berechnet einen SHA-256 Hash aus dem sortierten JSON-String der relevanten Daten."""
|
||||
json_string = json.dumps(data, sort_keys=True, ensure_ascii=False)
|
||||
return hashlib.sha256(json_string.encode('utf-8')).hexdigest()
|
||||
hash_value = hashlib.sha256(json_string.encode('utf-8')).hexdigest()
|
||||
logger.debug(f"Berechneter Hash: {hash_value}")
|
||||
return hash_value
|
||||
|
||||
def fetch_bundle_data(url: str) -> dict:
|
||||
"""Lädt die Detailseite eines Bundles und extrahiert den JSON-Inhalt aus dem <script>-Tag 'webpack-bundle-page-data'."""
|
||||
logger.info(f"Rufe Bundle-Daten von {url} ab...")
|
||||
response = requests.get(url)
|
||||
response.raise_for_status()
|
||||
soup = BeautifulSoup(response.text, "html.parser")
|
||||
script_tag = soup.find("script", {"id": "webpack-bundle-page-data", "type": "application/json"})
|
||||
if not script_tag:
|
||||
raise ValueError("Kein JSON-Datenblock 'webpack-bundle-page-data' gefunden auf der Detailseite!")
|
||||
return json.loads(script_tag.string)
|
||||
logger.error("Kein JSON-Datenblock 'webpack-bundle-page-data' gefunden!")
|
||||
raise ValueError("Kein JSON-Datenblock gefunden!")
|
||||
data = json.loads(script_tag.string)
|
||||
logger.debug(f"Erhaltener JSON-Block: {str(data)[:200]} ...")
|
||||
return data
|
||||
|
||||
def process_bundle(session, url: str):
|
||||
"""
|
||||
|
|
@ -74,31 +94,36 @@ def process_bundle(session, url: str):
|
|||
try:
|
||||
data = fetch_bundle_data(url)
|
||||
except Exception as e:
|
||||
print(f"Fehler beim Laden der Bundle-Daten von {url}: {e}")
|
||||
logger.error(f"Fehler beim Laden der Bundle-Daten von {url}: {e}")
|
||||
return
|
||||
|
||||
bundle_data = data.get("bundleData", {})
|
||||
machine_name = bundle_data.get("machine_name", "")
|
||||
human_name = bundle_data.get("human_name", "")
|
||||
logger.info(f"Verarbeite Bundle '{human_name}' (machine_name: {machine_name})")
|
||||
|
||||
# Relevanter Datenausschnitt – hier nehmen wir das gesamte bundleData
|
||||
# Wir nehmen das gesamte bundleData als relevanten Datenausschnitt
|
||||
relevant_data = bundle_data
|
||||
new_hash = calculate_hash(relevant_data)
|
||||
|
||||
# Suche, ob das Bundle bereits existiert (über machine_name)
|
||||
# Suche, ob das Bundle bereits existiert
|
||||
bundle = session.query(Bundle).filter_by(machine_name=machine_name).first()
|
||||
if not bundle:
|
||||
logger.info(f"Neues Bundle gefunden: {human_name}")
|
||||
bundle = Bundle(machine_name=machine_name, human_name=human_name)
|
||||
session.add(bundle)
|
||||
session.commit()
|
||||
else:
|
||||
logger.debug(f"Bundle '{human_name}' existiert bereits (ID: {bundle.id})")
|
||||
|
||||
# Hole die aktuellste Version dieses Bundles (nach timestamp sortiert)
|
||||
# Hole die aktuellste Version dieses Bundles
|
||||
latest_version = (session.query(BundleVersion)
|
||||
.filter_by(bundle_id=bundle.id)
|
||||
.order_by(BundleVersion.timestamp.desc())
|
||||
.first())
|
||||
|
||||
if latest_version is None or latest_version.version_hash != new_hash:
|
||||
logger.info(f"Neue Version für Bundle '{human_name}' wird gespeichert (alter Hash: {latest_version.version_hash if latest_version else 'None'}, neuer Hash: {new_hash}).")
|
||||
new_version = BundleVersion(
|
||||
bundle_id=bundle.id,
|
||||
version_hash=new_hash,
|
||||
|
|
@ -108,12 +133,10 @@ def process_bundle(session, url: str):
|
|||
session.commit()
|
||||
bundle.current_version_id = new_version.id
|
||||
session.commit()
|
||||
print(f"Neue Version für Bundle '{human_name}' gespeichert.")
|
||||
else:
|
||||
print(f"Bundle '{human_name}' hat sich nicht geändert.")
|
||||
logger.info(f"Bundle '{human_name}' hat sich nicht geändert.")
|
||||
|
||||
# Verkaufszahlen extrahieren – hier wird angenommen, dass sie entweder direkt in bundleData
|
||||
# oder unter basic_data stehen, im Feld "bundles_sold|decimal"
|
||||
# Verkaufszahlen extrahieren – angenommen, sie stehen entweder direkt in bundleData oder unter basic_data
|
||||
bundles_sold = bundle_data.get("bundles_sold|decimal")
|
||||
if bundles_sold is None:
|
||||
bundles_sold = bundle_data.get("basic_data", {}).get("bundles_sold|decimal")
|
||||
|
|
@ -126,16 +149,17 @@ def process_bundle(session, url: str):
|
|||
)
|
||||
session.add(sales_entry)
|
||||
session.commit()
|
||||
print(f"Verkaufszahlen für Bundle '{human_name}' aktualisiert: {sales_value}")
|
||||
logger.info(f"Verkaufszahlen für Bundle '{human_name}' aktualisiert: {sales_value}")
|
||||
except Exception as e:
|
||||
print(f"Fehler beim Speichern der Verkaufszahlen für {human_name}: {e}")
|
||||
logger.error(f"Fehler beim Speichern der Verkaufszahlen für {human_name}: {e}")
|
||||
else:
|
||||
logger.debug(f"Keine Verkaufszahlen für Bundle '{human_name}' gefunden.")
|
||||
|
||||
def get_bundle_urls(overview_url: str) -> list:
|
||||
"""
|
||||
Ruft die Übersichtsseite ab und extrahiert alle Bundle-URLs aus dem JSON-Datenblock
|
||||
im <script>-Tag mit der ID "landingPage-json-data". Dies ist zuverlässig, da die
|
||||
Bundles dort dynamisch eingebunden werden.
|
||||
Ruft die Übersichtsseite ab und extrahiert alle Bundle-URLs aus dem JSON-Datenblock im <script>-Tag 'landingPage-json-data'.
|
||||
"""
|
||||
logger.info(f"Rufe Übersichtsseite {overview_url} ab...")
|
||||
response = requests.get(overview_url)
|
||||
response.raise_for_status()
|
||||
soup = BeautifulSoup(response.text, "html.parser")
|
||||
|
|
@ -143,46 +167,44 @@ def get_bundle_urls(overview_url: str) -> list:
|
|||
landing_script = soup.find("script", {"id": "landingPage-json-data", "type": "application/json"})
|
||||
if landing_script:
|
||||
landing_data = json.loads(landing_script.string)
|
||||
# Wir erwarten, dass in landing_data["data"] die Kategorien "books", "games", "software" enthalten sind.
|
||||
logger.debug(f"Landing Page JSON (gekürzt): {str(landing_data)[:200]} ...")
|
||||
# Durchlaufe die Kategorien "books", "games" und "software"
|
||||
for category in ["books", "games", "software"]:
|
||||
cat_data = landing_data.get("data", {}).get(category, {})
|
||||
for section in cat_data.get("mosaic", []):
|
||||
for product in section.get("products", []):
|
||||
# Annahme: Der Link steht im Feld "product_url"
|
||||
url = product.get("product_url", "")
|
||||
if url:
|
||||
full_url = requests.compat.urljoin(overview_url, url)
|
||||
bundle_urls.append(full_url)
|
||||
else:
|
||||
print("Kein JSON-Datenblock 'landingPage-json-data' auf der Übersichtsseite gefunden.")
|
||||
logger.warning("Kein JSON-Datenblock 'landingPage-json-data' auf der Übersichtsseite gefunden.")
|
||||
logger.info(f"Gefundene Bundle-URLs: {len(bundle_urls)}")
|
||||
return bundle_urls
|
||||
|
||||
def main():
|
||||
# Datenbank-Verbindung (hier SQLite)
|
||||
engine = create_engine('sqlite:///bundles.db')
|
||||
Base.metadata.create_all(engine)
|
||||
Session = sessionmaker(bind=engine)
|
||||
session = Session()
|
||||
|
||||
# URL der Bundles-Übersichtsseite
|
||||
overview_url = "https://www.humblebundle.com/bundles"
|
||||
|
||||
try:
|
||||
bundle_urls = get_bundle_urls(overview_url)
|
||||
if not bundle_urls:
|
||||
print("Keine Bundle-URLs gefunden! Überprüfe den JSON-Datenblock oder den Selektor in get_bundle_urls().")
|
||||
logger.error("Keine Bundle-URLs gefunden! Überprüfe den JSON-Datenblock oder den Selektor in get_bundle_urls().")
|
||||
return
|
||||
except Exception as e:
|
||||
print(f"Fehler beim Abrufen der Übersichtsseite: {e}")
|
||||
logger.error(f"Fehler beim Abrufen der Übersichtsseite: {e}")
|
||||
return
|
||||
|
||||
# Verarbeite alle gefundenen Bundle-URLs
|
||||
# Für jede Bundle-URL verarbeiten
|
||||
for url in bundle_urls:
|
||||
print(f"Verarbeite Bundle: {url}")
|
||||
logger.info(f"Verarbeite Bundle: {url}")
|
||||
try:
|
||||
process_bundle(session, url)
|
||||
except Exception as e:
|
||||
print(f"Fehler beim Verarbeiten von {url}: {e}")
|
||||
logger.error(f"Fehler beim Verarbeiten von {url}: {e}")
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
|
|
|
|||
Loading…
Reference in New Issue