En mi empresa anterior, desarrollé un trabajo por lotes que rastreaba métricas en redes sociales, como Twitter, LinkedIn, Mastodon, Bluesky, Reddit, etc. Luego me di cuenta de que podía duplicarlo para mi propia "personalidad". El problema es que algunos medios no ofrecen una API HTTP para las métricas que quiero. Estas son   que quiero en LinkedIn:  las métricas  Busqué durante mucho tiempo, pero no encontré acceso a la API para las métricas anteriores. Busqué las métricas manualmente todas las mañanas durante mucho tiempo y finalmente decidí automatizar esta tediosa tarea. Esto es lo que aprendí.  El contexto  El trabajo se realiza en Python, por lo que quiero mantenerme en la misma pila tecnológica. Después de una rápida investigación, encontré   , una herramienta de automatización del navegador con un par de API de lenguaje, incluido Python. El caso de uso principal de Playwright es la prueba de extremo a extremo, pero también puede administrar el navegador fuera de un contexto de prueba. Playwright  Estoy usando Poetry para administrar las dependencias. Instalar Playwright es tan fácil como:   poetry add playwright  En este punto, Playwright está listo para usarse. Ofrece dos API distintas, una   y otra   . Debido a mi caso de uso, la primera versión es más que suficiente. sincrónica asincrónica  Mojándome los pies  Me gusta abordar el desarrollo de forma incremental.  A continuación se muestra un extracto de la API:   Se traduce al siguiente código:   from playwright.sync_api import Browser, Locator, Page, sync_playwright with (sync_playwright() as pw): #1 browser: Browser = pw.chromium.launch() #2 page: Page = browser.new_page() #3 page.goto('https://www.linkedin.com/login') #4 page.locator('#username').press_sequentially(getenv('LINKEDIN_USERNAME')) #5 page.locator('#password').press_sequentially(getenv('LINKEDIN_PASSWORD')) #5 page.locator('button[type=submit]').press('Enter') #6 page.goto('https://www.linkedin.com/dashboard/') #4 metrics_container: Locator = page.locator('.pcd-analytic-view-items-container') metrics: List[Locator] = metrics_container.locator('p.text-body-large-bold').all() #7 impressions = atoi(metrics[0].inner_text()) #8 # Get other metrics browser.close() #9  Consigue un objeto   . playwright  Inicie una instancia del navegador. Hay varios tipos de navegadores disponibles; elegí Chromium por capricho. Tenga en cuenta que debería haber instalado el navegador específico previamente,   ,   . es decir playwright install --with-deps chromium  De forma predeterminada, el navegador se abre   , no aparece. Te recomiendo ejecutarlo de forma visible al principio para facilitar la depuración:   . sin interfaz gráfica headless = True  Abra una nueva ventana del navegador.  Navegar a una nueva ubicación.  Localice los campos de entrada especificados y complételos con mis credenciales.  Localice el botón especificado y presiónelo.  Localizar   los elementos especificados. todos  Obtenga el texto interno del primer elemento.  Cierre el navegador para limpiar.  Almacenamiento de cookies  Lo anterior funcionó como se esperaba. El único inconveniente es que recibí un correo electrónico de LinkedIn cada vez que ejecuté el script:  Hola Nicolás,  Has activado con éxito Recordarme en un nuevo dispositivo   >. Obtén más información sobre cómo funciona Recordarme en un dispositivo. HeadlessChrome, <OS> en <ciudad>, <región>, <país  También conocí a   en la conferencia   . Se especializa en web scraping y me dijo que la mayoría de las personas en este campo aprovechan los perfiles del navegador. De hecho, si inicias sesión en LinkedIn, obtendrás un token de autenticación almacenado como cookies y no necesitarás autenticarlo nuevamente antes de que caduque. Afortunadamente, Playwright ofrece esa función con su método   . Fabien Vauchelles JavaCro launch_persistent_context  Podemos reemplazar el   anterior por el siguiente: launch   with sync_playwright() as pw: playwright_profile_dir = f'{Path.home()}/.social-metrics/playwright-profile' context: BrowserContext = pw.chromium.launch_persistent_context(playwright_profile_dir) #1 try: #2 page: Page = context.new_page() #3 page.goto('https://www.linkedin.com/dashboard/') #4 if 'session_redirect' in page.url: #4 page.locator('#username').press_sequentially(getenv('LINKEDIN_USERNAME')) page.locator('#password').press_sequentially(getenv('LINKEDIN_PASSWORD')) page.locator('button[type=submit]').press('Enter') page.goto('https://www.linkedin.com/dashboard/') metrics_container: Locator = page.locator('.pcd-analytic-view-items-container') # Same as in the previous snippet except Exception as e: #2 logger.error(f'Could not fetch metrics: {e}') finally: #5 context.close()  Playwright almacenará el perfil en la carpeta especificada y lo reutilizará en cada ejecución.  Mejorar el manejo de excepciones.    también puede abrir páginas. BrowserContext  Intentamos navegar hasta el panel de control. LinkedIn nos redireccionará a la página de inicio de sesión si no estamos autenticados; entonces podremos autenticarnos.  Cerrar el contexto sea cual sea el resultado.  En este punto, solo necesitamos autenticarnos con ambas credenciales la primera vez. En ejecuciones posteriores, depende.  Adaptarse a la realidad  Me sorprendió ver que el código anterior no funcionaba de manera confiable. Funcionó en la primera ejecución y, a veces, en las posteriores. Debido a que estoy almacenando el perfil del navegador en varias ejecuciones, cuando necesito autenticarme, LinkedIn solo solicita la contraseña, ¡no el nombre de usuario! Debido a que el código intenta ingresar el nombre de usuario, falla en este caso. La solución es bastante sencilla:   username_field = page.locator('#username') if username_field.is_visible(): username_field.press_sequentially(getenv('LINKEDIN_USERNAME')) page.locator('#password').press_sequentially(getenv('LINKEDIN_PASSWORD'))  Conclusión  Aunque no soy un experto en Python, logré lo que quería con Playwright. Preferí usar la API de sincronización porque hace que el código sea un poco más fácil de entender y no tengo ningún requisito de rendimiento. Solo utilicé las funciones básicas que ofrece Playwright. Playwright permite grabar videos en el contexto de las pruebas, lo que es muy útil cuando una prueba falla durante la ejecución de una secuencia de comandos de CI.   Para ir más allá:   Dramaturgo   Grabación de vídeo   Publicado originalmente en   el 19 de enero de 2024 A Java Geek

Read all my posts!

Read My Stories

Follow @nicolas_frankel on Twitter

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Make resilience your competitive advantage

Dramaturgo: mis primeros pasos con la herramienta de automatización del navegador

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Toque para ganar: Telegram puede incorporar a los próximos 10 mil millones de usuarios de criptomonedas antes de Solana

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Navegando por las aguas: desarrollo de aplicaciones RAG de nivel de producción con lagos de datos

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps