Spaces:
Running
Running
import gradio as gr | |
import requests | |
from bs4 import BeautifulSoup | |
from urllib.parse import urljoin | |
def parse_links_and_content(ort): | |
base_url = "https://vereine-in-deutschland.net" | |
all_links = [] | |
# Konstruiere die vollständige URL | |
initial_url = f"{base_url}/vereine/Bayern/{ort}/" | |
try: | |
# Senden der Anfrage an die initiale URL | |
response = requests.get(initial_url) | |
response.raise_for_status() # Überprüfen, ob die Anfrage erfolgreich war | |
# Parse the HTML content using BeautifulSoup | |
soup = BeautifulSoup(response.content, 'html.parser') | |
# Ermittle die letzte Seite | |
link_element = soup.select_one('li.page-item:nth-child(8) > a:nth-child(1)') | |
if link_element and 'href' in link_element.attrs: | |
href = link_element['href'] | |
# Extrahiere die letzten beiden Zeichen der URL | |
last_two_chars = href[-2:] | |
# Konvertiere die letzten beiden Zeichen in einen Integer | |
last_two_chars_int = int(last_two_chars) | |
else: | |
last_two_chars_int = 1 # Falls die letzte Seite nicht gefunden wird, nimm an, dass es nur eine Seite gibt | |
# Schleife durch alle Seiten und sammle Links | |
for page_number in range(1, last_two_chars_int + 1): | |
page_url = f"{base_url}/vereine/Bayern/{ort}/p/{page_number}" | |
response = requests.get(page_url) | |
response.raise_for_status() | |
soup = BeautifulSoup(response.content, 'html.parser') | |
target_div = soup.select_one('div.row-cols-1:nth-child(4)') | |
if target_div: | |
#links = [urljoin(base_url, a['href']) for a in target_div.find_all('a', href=True)] | |
texts = [a.text for a in target_div.find_all('a', href=True)] | |
#all_texts.extend(texts) | |
all_links.extend(texts) | |
else: | |
print(f"Target div not found on page {page_number}") | |
#all_links = {key: value for key, value in data.items() if value != ort} | |
except Exception as e: | |
return str(e), [] | |
all_links = all_links[0::2] | |
return all_links | |
#return filtered_data | |
def scrape_links(links): | |
results = [] | |
for link in links: | |
try: | |
# Senden der Anfrage an die URL | |
response = requests.get(link) | |
response.raise_for_status() # Überprüfen, ob die Anfrage erfolgreich war | |
# Parse the HTML content using BeautifulSoup | |
soup = BeautifulSoup(response.content, 'html.parser') | |
# Extrahiere den gewünschten Inhalt (hier als Beispiel der Titel der Seite) | |
content = soup.title.string if soup.title else "No title found" | |
results.append((link, content)) | |
except Exception as e: | |
results.append((link, str(e))) | |
return results | |
# Erstelle die Gradio-Schnittstelle | |
with gr.Blocks() as demo: | |
gr.Markdown("# Vereine in Bayern") | |
ort_input = gr.Textbox(label="Ort", placeholder="Gib den Namen des Ortes ein") | |
links_output = gr.JSON(label="Gefundene Vereine") | |
#content_output = gr.JSON(label="Inhalt der Links") | |
def process_ort(ort): | |
links = parse_links_and_content(ort) | |
#scraped_content = scrape_links(links) | |
return links | |
# Button zum Starten der Parsung | |
button = gr.Button("Parse und Scrape") | |
# Verbinde den Button mit der Funktion | |
button.click(fn=process_ort, inputs=ort_input, outputs=links_output) | |
# Starte die Gradio-Anwendung | |
demo.launch() | |