Update app.py

app.py

@@ -5,32 +5,57 @@ from urllib.parse import urljoin
 
 def parse_links_and_content(ort):
     base_url = "https://vereine-in-deutschland.net"
-    # Konstruiere die vollständige URL
-    url = f"{base_url}/vereine/Bayern/{ort}"
+    all_links = []
     
-    try:
-        # Senden der Anfrage an die URL
-        response = requests.get(url)
-        response.raise_for_status()  # Überprüfen, ob die Anfrage erfolgreich war
+    # Start with the first page
+    page_number = 1
+    while True:
+        # Konstruiere die vollständige URL für die aktuelle Seite
+        url = f"{base_url}/vereine/Bayern/{ort}/p/{page_number}"
         
-        # Parse the HTML content using BeautifulSoup
-        soup = BeautifulSoup(response.content, 'html.parser')
-        
-        # Finde das Element mit dem CSS-Selektor
-        target_div = soup.select_one('div.row-cols-1:nth-child(4)')
-        
-        if target_div:
-            # Extrahiere alle Links aus dem Element und füge die Base URL hinzu
-            links = [urljoin(base_url, a['href']) for a in target_div.find_all('a', href=True)]
+        try:
+            # Senden der Anfrage an die URL
+            response = requests.get(url)
+            response.raise_for_status()  # Überprüfen, ob die Anfrage erfolgreich war
             
-            # Extrahiere den HTML-Code des Elements
-            html_code = str(target_div)
+            # Parse the HTML content using BeautifulSoup
+            soup = BeautifulSoup(response.content, 'html.parser')
             
-            return html_code, links
-        else:
-            return "Target div not found", []
-    except Exception as e:
-        return str(e), []
+            # Finde den Link mit dem CSS-Selektor für die nächste 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)
+                
+                # Wenn die aktuelle Seite die letzte Seite ist, breche die Schleife ab
+                if page_number >= last_two_chars_int:
+                    break
+            else:
+                # Wenn kein Link zur nächsten Seite gefunden wird, breche die Schleife ab
+                break
+            
+            # Finde das Element mit dem CSS-Selektor
+            target_div = soup.select_one('div.row-cols-1:nth-child(4)')
+            
+            if target_div:
+                # Extrahiere alle Links aus dem Element und füge die Base URL hinzu
+                links = [urljoin(base_url, a['href']) for a in target_div.find_all('a', href=True)]
+                all_links.extend(links)
+            else:
+                print(f"Target div not found on page {page_number}")
+            
+            # Gehe zur nächsten Seite
+            page_number += 1
+        except Exception as e:
+            print(f"Error on page {page_number}: {str(e)}")
+            break
+    
+    return all_links
 
 def scrape_links(links):
     results = []
@@ -57,20 +82,19 @@ with gr.Blocks() as demo:
     gr.Markdown("# Vereine in Bayern Parser")
     
     ort_input = gr.Textbox(label="Ort", placeholder="Gib den Namen des Ortes ein")
-    html_output = gr.Code(label="HTML-Code des Elements", language="html")
     links_output = gr.JSON(label="Gefundene Links")
     content_output = gr.JSON(label="Inhalt der Links")
 
     def process_ort(ort):
-        html_code, links = parse_links_and_content(ort)
-        scraped_content = scrape_links(links)
-        return html_code, links, scraped_content
+        all_links = parse_links_and_content(ort)
+        scraped_content = scrape_links(all_links)
+        return all_links, scraped_content
 
     # 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=[html_output, links_output, content_output])
+    button.click(fn=process_ort, inputs=ort_input, outputs=[links_output, content_output])
 
 # Starte die Gradio-Anwendung
 demo.launch()