iT邦幫忙

第 12 屆 iThome 鐵人賽

DAY 13
0

歡迎來到第 13 天,今天將嘗試的將前兩所撰寫的 UN Career 爬蟲結合 Line API,並部署於 Linux server 中。

開始前,在此申明此篇文章參考原文為 How to setup Selenium on a Linux VM,若此篇文章有幫助到讀者,請至原文給予作者支持與鼓勵。由於原文的三個步驟簡單明瞭,筆者在此篇文章將著重在設定過程所遇到的挑戰。

環境

在此筆者所使用的 Linux VM 是 GCP 所提供的,請利用 Google 帳號登入並完成基礎的信用卡綁定,並開啟新專案。完成後,請至 Compute Engine -> VM instances 處創建一個新的虛擬主機。

https://ithelp.ithome.com.tw/upload/images/20200926/20128931rCZL0IDQx9.png

完成創建後就是安裝環境的環節了,依照 How to setup Selenium on a Linux VM 的說明,需要經過三個步驟方能完成環境的設定,但由於本身我們所新創建的 server 中並沒有自帶 python3,因此需要額外安裝 python3,可以簡單的透過下列指令安裝

$ sudo apt-get update
$ sudo apt-get install python3
$ sudo apt-get install python3-pip

這時候若你是和我一樣使用 ssh 從本機終端機連線,會發現怎麼樣也無法取得 sudo 權限,這是因為 Google 限制了透過 remote ssh 連線的 sudo 權限,因此要進行這類的安裝,必須要到 GCP 的 VM instance 進行 ssh 連線並在此處取得權限並進行安裝。

安裝完 python3 後,開始依照 How to setup Selenium on a Linux VM 的三步驟,此處就不多做說明,只貼上先關的終端指令。(原文的 Chromedriver 為 79.0.3945.36,單由於版本支援的問題,筆者在此處改為 85.0.4183.87)

$ sudo apt-get install -y unzip openjdk-8-jre-headless xvfb libxi6 libgconf-2-4
$ # Install Chrome.
$ sudo curl -sS -o - https://dl-ssl.google.com/linux/linux_signing_key.pub | apt-key add
$ sudo echo "deb http://dl.google.com/linux/chrome/deb/ stable main" >> /etc/apt/sources.list.d/google-chrome.list
$ sudo apt-get -y update
$ sudo apt-get -y install google-chrome-stable
$ # Install ChromeDriver.
$ wget -N https://chromedriver.storage.googleapis.com/85.0.4183.87/chromedriver_linux64.zip -P ~/
$ unzip ~/chromedriver_linux64.zip -d ~/
$ rm ~/chromedriver_linux64.zip
$ sudo mv -f ~/chromedriver /usr/local/bin/chromedriver
$ sudo chown root:root /usr/local/bin/chromedriver
$ sudo chmod 0755 /usr/local/bin/chromedriver
$ # Install Selenium
$ pip3 install selenium

結合 Line API

完成環境安裝後,接下來就是結合 Line API

from selenium import webdriver
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.options import Options
from linebot import (
    LineBotApi, WebhookHandler
)

from linebot.models import TextSendMessage

def page_spyder(driver):
    page = 1
    indexer = 0
    timeout = 5
    jobs = {}
    elements = driver.find_elements_by_xpath("//tr[@class='pager']//table//td/a")
    jobs = {**jobs,**title_url_extract(driver)}
    while elements: # 確認有多個分頁才跑
        if elements[indexer].text == str(page+1) or (elements[indexer].text == "..." and indexer>3):
            driver.find_elements_by_xpath("//tr[@class='pager']//table//td/a")[indexer].click()
            element_p = EC.presence_of_element_located((By.CLASS_NAME, 'pager'))
            WebDriverWait(driver, timeout).until(element_p)
            jobs = {**jobs,**title_url_extract(driver)}
            elements = driver.find_elements_by_xpath("//tr[@class='pager']//table//td/a")
            page +=1
            indexer = 0
        elif indexer+1 == len(elements):
            break
        else:
            indexer += 1
    return jobs

def title_url_extract(driver):
    jobs = {}
    tr_tags = driver.find_elements_by_xpath("//table[@class='sch-grid-standard']/tbody/tr[not(@class)][not(@align)]/td/a[1]") # 定位出每個職缺的標籤
    for job in tr_tags:
        jobs[job.text] = "https://careers.un.org/lbw/"+job.get_attribute("onclick").split("'")[1]
    return jobs

chrome_options = Options()
chrome_options.add_argument("--headless")
driver = webdriver.Chrome(executable_path = 'Path to Webdriver',
                             options=chrome_options)
url = "https://careers.un.org/lbw/home.aspx?viewtype=SJ&exp=All&level=0&location=All&occup=0&department=All&bydate=0&occnet=0&lang=en-US"
driver.get(url)
jobs = {}

for i in range(5):
    driver.find_elements_by_xpath("//span[@class = 'rtsTxt']")[i].click()
    element_p = EC.presence_of_element_located((By.CLASS_NAME, 'rtsTxt'))
    WebDriverWait(driver, 5).until(element_p)
    jobs = {**jobs,**page_spyder(driver)}

message = "以下是與 Data 相關的職缺\n"
for job in jobs.keys():
    if "data" in job.lower():
        message += f"{job}:\n{jobs[job]}\n"

line_bot_api = LineBotApi('YOUR_CHANNEL_ACCESS_TOKEN')
line_bot_api.push_message("Your Line ID", TextSendMessage(text=message))

並順利的將此程式部署到剛剛創建好的 Linux server 並設下排程,就會每天收到下列訊息

https://ithelp.ithome.com.tw/upload/images/20200926/20128931fMrqyod4Da.jpg

準備好了嗎?年後轉職等著你!?我們明天見!


上一篇
[Day 12] 動態爬蟲 - 4
下一篇
[Day 14] 代理 IP - 1
系列文
資料蒐集與分散式運算 30 天30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言