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}/p/1" | |
| 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}") | |
| except Exception as e: | |
| return str(e), [] | |
| filtered_data = {key: value for key, value in data.items() if value != ort} | |
| #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() | |