Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

webscraping #1

Open
wants to merge 1 commit into
base: master
Choose a base branch
from
Open
Changes from all commits
Commits
File filter

Filter by extension

Filter by extension

Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
77 changes: 77 additions & 0 deletions kinvo.py
Original file line number Diff line number Diff line change
@@ -0,0 +1,77 @@
from requests import get
from bs4 import BeautifulSoup
import re

#LISTA COM NOMES DA EMPRESA
lista_empresa = ['oi','jbs','helbor','cemig','cielo']
produtos = {'oi':'OIBR3/OIBR4', 'jbs':'JBSS3','helbor':'HBOR3','cemig':'CMIG3/CMIG4','m.dias':'MDIA3','cielo':'CIEL3'}


#CODIGO PARA 1º RASPAGEM:
url = 'http://br.advfn.com/jornal/acoes/balanco-trimestral'
response = get(url)
html_soup = BeautifulSoup(response.text, 'html.parser')
type(html_soup)
noticias_gerais = html_soup.find_all('div', class_ = 'posts-list listing-alt')
container01_noticia = html_soup.find_all('div', class_ = 'content')
count = 0

#IDENTIFICAR NOTICIA E LINK DA NOTICIA:
def inicio():
print('NOTICIA:',noticia.a.text)
print('LINK:', link_noticia)

#IDENTIFICAR O RESULTADO (LUCRO/PREJUIZO) DE ACORDO COM O TEMA DA NOTICIA:
def resultado():
if re.search('prejuízo',noticia.a.text, re.IGNORECASE):
print('RESULTADO: houve prejuízo (⤵️)')
elif re.search('queda',noticia.a.text, re.IGNORECASE):
print('RESULTADO: houve prejuízo (⤵️)')
elif re.search('lucro',noticia.a.text, re.IGNORECASE):
print('RESULTADO: houve lucro (⤴️)')
elif re.search('cresce',noticia.a.text, re.IGNORECASE):
print('RESULTADO: houve lucro (⤴️)')
else:
print('RESULTADO: não identificado')

#IDENTIFICAR NOME DA EMPRESA & PRODUTO
def nome_empresa():
count_tags = -1
count_empresa = 0
product = []
#NOME EMPRESA
while (count_tags < len(first_movie)-1):
count_tags = count_tags + 1
tags = first_movie[count_tags].text.lower()
if tags in lista_empresa:
print('NOME DA EMPRESA:',tags)
count_empresa = count_empresa + 1
product = tags
break

if count_empresa == 0:
print('NOME DA EMPRESA: não identificada')
product = 'none'
#NOME DO PRODUTO DA EMPRESA
if product == 'none':
print('PRODUTO: não identificado')
else:
print('PRODUTO: ',produtos[product])

# MINERAÇÃO DAS NOTICIAS
while (count < 6): # INFORME A QUANTIDADE DE NOTICIAS
noticia = container01_noticia[count]
link_noticia = noticia.a.get('href') #Aqui irá pegar o URL do artigo
url2 = link_noticia
response2 = get(url2)
html_soup2 = BeautifulSoup(response2.text, 'html.parser')
type(html_soup2)
container02_noticia = html_soup2.find('div', class_ = 'tagcloud')

first_movie = container02_noticia.find_all('a')
print()
print('------------------',count+1,'º Noticia ------------------')
inicio()
nome_empresa()
resultado()
count = count + 1