Created
September 14, 2024 06:53
-
-
Save me-suzy/a1ec425d6881622b3d3096880890c95b to your computer and use it in GitHub Desktop.
Download books
This file contains bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
import os | |
import time # Adăugăm importul pentru modulul time | |
import requests | |
from bs4 import BeautifulSoup | |
from selenium import webdriver | |
from selenium.webdriver.chrome.service import Service | |
from selenium.webdriver.chrome.options import Options | |
# Utilizarea Selenium Manager pentru a gestiona driverul corect | |
service = Service() | |
# Opțiuni pentru Chrome | |
chrome_options = Options() | |
chrome_options.add_argument('--start-maximized') | |
# Inițializează driver-ul Chrome | |
driver = webdriver.Chrome(service=service, options=chrome_options) | |
# URL-ul cărții de pe Google Books | |
url = 'https://www.google.ro/books/edition/Valori_clasice/1wsYAAAAMAAJ?hl=ro&gbpv=1' | |
# Deschide pagina cărții în browser | |
driver.get(url) | |
# Directorul unde vor fi salvate imaginile | |
save_directory = 'D:\\Books\\Valori_clasice' | |
if not os.path.exists(save_directory): | |
os.makedirs(save_directory) | |
# Așteaptă să se încarce pagina complet | |
time.sleep(3) | |
# Descarcă toate imaginile din pagină | |
while True: | |
# Preluăm HTML-ul paginii și îl parsăm | |
soup = BeautifulSoup(driver.page_source, 'html.parser') | |
# Găsește toate imaginile vizibile din carte | |
images = soup.find_all('img') | |
# Descărcăm imaginile găsite | |
for index, img in enumerate(images): | |
img_url = img['src'] | |
if img_url.startswith('http'): | |
img_data = requests.get(img_url).content | |
img_path = os.path.join(save_directory, f'page_{index}.jpg') | |
if not os.path.exists(img_path): | |
with open(img_path, 'wb') as img_file: | |
img_file.write(img_data) | |
print(f'Descărcată pagina {index}') | |
# Simulează click pe butonul pentru a naviga la pagina următoare | |
try: | |
next_button = driver.find_element('xpath', "//button[contains(@aria-label, 'Pagina următoare')]") | |
next_button.click() | |
time.sleep(3) # Așteaptă să se încarce pagina următoare | |
except: | |
print("Nu s-au găsit mai multe pagini sau a fost atinsă ultima pagină.") | |
break | |
# Închide browserul | |
driver.quit() |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment