O que eu fiz nesse Job:

1. Extrai dados de uma página Html;

Baixei 4 páginas do Acervo Virtual para a Empresa pelo site da Estante Virtual que havia 713 Itens;

2. Verifiquei um padrão com as tags td (table data) com as classes Html relacionadas a Títulos (acervo-titulo) e os Preços (acervo-preco text-center). Daí eu poderia:

3. Extrair títulos e os preços (títulos.txt e preços.txt);

4. Gerei números com um contador dependendo de cada linha no Excel;

5. E reunir os dados numa panília do Excel já ordenados em ordem 0-9 e alfabetica.

Novidade: Melhorias no Programa

• Agora ao invés de gerar os dados em arquivos de texto
• O programa gerará os dados diretamente num arquivo Excel

Ferramentas usadas

• Python 🐍
• BeautifulSoup4 🍲
• Chardet 🔓
• Pandas 📄

Verifique que você tenha Python, BeautifulSoup, o Chardet e o Pandas instalado:

    pip install beautifulsoup4
    pip install chardet
    pip install pandas

Como rodar?

• Abra um terminal e rode e comando:

    python extratorDeDadosWeb.py

Exemplo com uma empresa aleatória

• Código para o Exemplo: extratorDeDadosWeb.py
• Exemplo de Site: Drogaria São Paulo 👈
• Irei pegar os títulos e preços dessa página acima irei extrair e colocar numa planília do excel com medicamentos genéricos (Preços dia 13/12/24)

Tutorial para usar com sua página Web

1. Clone esse repositório na sua máquina local e instale o Python e as bibliotecas
2. Pegue seu arquivo Html/Xml e coloque nessa pasta clonada
3. Verfique na sua página os padrões de títulos e preços (Inspecione para ver em que classe estão armenadas e sua tag)
4. Altere essas linhas de código para extrair corretamente:

6° linha: Altere de acordo com seu site

22° linha: Altere de acordo com a classe de títulos

26° linha: Altere de acordo com a classe de preços

40° linha: Altere de acordo com o nome que você quiser para sua planília