ืฉืืื ืืืจ. IN
ืื ืชืื ืื ืืชืืจืจื ืืืขื ืืื ืื ืืืื, ืืืฆืืื ื ืื ืืืจืืื "ืืื ื-ืจืืืืื ื" ืงืื ืฉื ืคืจืฉื ืื. ืืืฉื ืืชืืช ืืืืจื.
ืืืกืืฃ ื ืชืื ืื
ืืฆืืจื ื ืืชืื, ื ืฉืชืืฉ ืื ืชืื ืื ืืฉื ื ืื, 2019, ืืืืืื ืืืืืื ืฉืืืจ ืงืืืืชื ืจืฉืืืช ืืืืจืื ืืฆืืจืช csv. ืื ืื ืฉื ืืชืจ ืืื ืืืืฅ ืืช ืืืขืจืืช ืืื ืืชืื, ืืืืื ื, ืื ืืืืืกื ืืช ืฉื, ืืืื ืฆืืจื ืืืืืฉ ืืงืฉืืช ื ืืกืคืืช.
ืืื ืืืืืืฉ ืืขืจืืช ืืืืืจ, ืื ืืงืื ืืื:
r = requests.get("https://habr.com/ru/post/467453/")
data_html = r.text
comments = data_html.split('<div class="comment" id=')
comments_list = []
for comment in comments:
body = Str(comment).find_between('<div class="comment__message', '<div class="comment__footer"').find_between('>', '</div>')# .replace('n', '-')
if len(body) < 4: continue
body = body.translate(str.maketrans(dict.fromkeys("tnrvf")))
body = body.replace('"', "'").replace(',', " ").replace('<br>', ' ').replace('<p>', '').replace('</p>', '').replace(' ', ' ')
user = Str(comment).find_between('data-user-login', '>').find_between('"', '"')
date_str = Str(comment).find_between('<time class="comment__date-time comment__date-time_published', 'time>').find_between('>', '<')
vote = Str(comment).find_between('<div class="voting-wjt', '</div>').find_between('<span', 'span>').find_between('>', '<')
date = dateparser.parse(date_str)
csv_data = "{},{},{},{}".format(user, date, vote, body)
comments_list.append(csv_data)
ืื ืืืคืฉืจ ืื ื ืืงืื ืจืฉืืื ืฉื ืชืืืืืช ืฉื ืจืืืช ืืขืจื ืื (ืืื ืืืื ืืืกืจื ืืืขืื ืคืจืืืืช):
xxxxxxx,2019-02-06 11:50:00,0,ะ ะผะพะถะฝะพ ะฟัะธะผะตั ะบะฐะบ ะธะผะตะฝะฝะพ?
xxxxxxx-02-24 16:15:00,+1,ะะพะฑะพะปััะต ัะธัะฐะนัะต ะฝะตะทะฐะฒะธัะธะผัะต ะพัะธัะธะฐะปัะฝัะต ะธััะพัะฝะธะบะธ ััะพะฑั ัะฐะบะธั
ะฒะพะฟัะพัะพะฒ ะฝะต ะฑัะปะพ.
xxxxxxx,2019-02-23 20:15:00,โ5,ะ ะฝะต ะฒะฐะถะฝะพ ะณะปะฐะฒะฝะพะต ะฒ ะธัะพะณะต ะฒ ะฟะปััะต ะพะบะฐะทะฐัััั
ืืคื ืฉืืชื ืืืื ืืจืืืช, ืขืืืจ ืื ืชืืืื ื ืืื ืืงืื ืืช ืฉื ืืืฉืชืืฉ, ืืชืืจืื, ืืืืจืื ืืืืงืกื ืืคืืขื. ืืื ื ืจืื ืื ื ืืื ืืงืื ืืื.
ืืื, ืืืชืืื, ืืจืขืืื ืฉื ืืืกืืฃ ืืืจืืืื ืืื ืงืฆืช ืฉืื ื - ืืื ืืจืืืช ืืืื ืืืจืืืื ืืฉืชืืฉืื ื ืืชื ืื. ืืืืืื, ืืชื ืืืื ืืืกืชืื ืืืืืืื - ืืคืืื ืืกืจืืื ืืืืืืืื ืืืืชืจ, ืืคืืื ืกืจืืื ืฉืืื ื ื ืืฉื ืืืืข ืกืืืืืงืืืื, ืื ืืจืง ืืฆืืจื ืขืืื ืื ืืืืืจืช ืืืฉืืช, ืขืืืื ืืืื ืืืกืคืจ ืืกืืื ืฉื ืืื ืืกืื. ืืืฉืขืจื ืืืืชื ืฉืืฉ ืืฉืชืืฉืื ืฉืจืง ืืืืื ื ืงืืื ืืช ืื ืืืืืื ืืื ืืืื, ืืืื ืกืจืืืื ืื ืื ืืืืฆืจ ืืืื ืื ืืฉืื ืืืจ. ืืืื ืืื ืืืจ ืื ืฆืจืื ืืฉืืช ืขื ืืืืจื, ืืื ืืืคื ืืืืืืื... ืืื ืืคื ืฉืืชืืจืจ, ืื ื ืื ืืืื ืืืืืง ืืช ืื ืืื, ืื... ืจืฉืืืช ืืื ืฉื ืชื ื ืืืจืืืื ืื ื ืฉืืจืช ืืชืืืื ืื ืืืืืจ. ืืืื, ืืืืืจ, ื ืขืืื ืขื ืื ืชืื ืื ืืืืื ืื. ืืชืืฆืื ืืื ืืืจืื "ืืคืื" - ืืชื ืืืื ืืจืืืช ืืืื ืืืจืืืื _ืืงืืืื_ ืขื ืืื ืืฉืชืืฉืื. ืื ืฉืืืืคื ืขืงืจืื ื ืื ืืขื ืืื.
ืขืืืื
ืืืืชืืืื, ืืชื ืืืชืืจ ืืกืืจืชื. ืืืจืื ืื, ืืื ืื ืืงืืืืื, ืืื ื ืจืฉืื. ืื ื ืื ืืืืื ืฉืื ืขืฉืืชื ืืขืืช ืืฉืื ืืงืื. ืืืขืื ืืื ืื ืืคืจืืื ืืื ืืื, ื ืืชื ืงืื ืืคืืจื ืืืชืจ
ืื ืืืื ื ืชืืื. ืืขืจืืช ืืฉื ื ืื, 2019 (ืฉืขืืืื ืื ืืกืชืืืื), ื ืืงืื ืื ืืชืื. ืืืื ืืืชืืื, ืืฉืชืืฉืื ืืชืื 448533 ะบะพะผะผะตะฝัะฐัะธั, ืืืื ืงืืืฅ ื-csv ืืื 288MB. ืขืืฆืืชื, ืืจืฉืื.
ืืื ืืืชืืื
ืืืื ื ืงืืฅ ืืขืจืืช ืืคื ืฉืขื, ืื ืืืง ืืช ืืื ืืฉืืืข ืืกืืคื ืืฉืืืข ืื ืคืจื.
ืืื ืื ืืชืขื ืืื ืื ืืขืจืืื ืืืืืืื, ืืื ืืขืจืืื ืืืกืืื. ืื ืจืง ืืกืชืืืื ืขื ืื "ืืื ืฉืืื", ืื ืืกืชืืจ ืฉืืะพืจืื ืืชืืืืืช ื ืืชืื ืืฉืขืืช ืืขืืืื ื-10 ืขื 18 ๐ ืืฆื ืฉื ื, ืืืืจื ืืื ืื ื ืืงืืื ืืื ืืืฉืืื, ืื ืฉืืฉืืื ืขืืืื ืคืชืืื.
ืืืื ื ืกืชืื ืขื ืืชืคืืืืช ืืืขืจืืช ืืืืจื ืืฉื ื:
ืืืื ืืืช ืืื ืืกืชืืื; ืื ื ืจืื ืืืืจืืจ ืืืื ืืื - ืืืืืืจืืืช ืืฉืืืขืืช ื ืจืืืช ืืืืจืืจ, ืื ืฉืื ื ืืืืืื ืืืืจ ืืืืืืื ืืืื ืืืื ืฉืื ืฉืื ืงืืจืืื ืืืขืืจืื ืขื ืืืืจ ืืืขืืืื (ืืื ืื ืื ืืืื).
ืืื, ืืื ืจืขืืื ืืืืืง ืืช ืืืฉืขืจื ืืื ืืกืคืจ ืืืื ืืกืื ืื ืืคืืืกืื ืฉืืชืงืืื ืฉืื ื ืืืืื ืื ืืฉืขื ืืืื, ืืื ืื ื ืืชื ืืื ืืืฆืื ืงืฉืจ - ืืืื ืฉื ืืชื ืืืืจืื ืื ื ืฉืืจ, ืืื ืืื ืงืฉืจ ืืฉืืจ ืืืืขื ืืืขืจื.
ืืืจืื
ืืืืื, ืื ื ืื ืืืืข ืืช ืืืกืคืจ ืืืืืืง ืฉื ืืฉืชืืฉืื ืืืชืจ. ืืื ืืื ืฉืืฉืืืจื ืืคืืืช ืชืืืื ืืืช ืืฉื ื ืืชืืจืจื ืืืืื ืื ืฉื 25000.
ืืืจืฃ ืฉื ืืกืคืจ ืืืืืขืืช ืฉืืฉืืืจื ืืฉืชืืฉืื ื ืจืื ืืขื ืืื ืืืื:
ืืืชืืื ืื ืืืื ืชื ืืขืฆืื, ืืื ื ืจืื ืฉืื ืืืืชื ืืขืืช. 5% ืืืืฉืชืืฉืื ืืฉืืืจืื 60% ืืืืืืขืืช. 10% - 74% ืืืื ืืืืืขืืช (ืืื, ืืืืืืจืื, ืืฉื ื, 450 ืืืฃ). ืืจืื ืคืฉืื ืงืืจืืื ืืช ืืืชืจ, ืืฉืืืจืื ืชืืืืืช ืืขืืชืื ืจืืืงืืช ืืืื, ืื ืื ืขืืืืื ืืืชื ืืืื (ืืื, ืืืืื, ืื ื ืืืื ืืจืฉืืื ืฉืื).
ืืืจืื
ื ืขืืืจ ืืืืง ืืืืจืื ืืืื ืืืฃ ืืกืืืืกืืืงื โ ืจืืืืื ื. ืืืขืื ืคืจืืืืช, ืื ืืชื ืืช ืืืื ืืืื ืืืืืื ืฉื ืืืฉืชืืฉืื, ืื ืฉืจืืฆื, ืืืขืชื, ืืืื ืืช ืขืฆืื.
ืขื ืืกืคืจ ืืขืจืืช ืืฉื ื ืื, ื-5 ืืืืืืืื ืชืคืืกืื ืขื ืืื VoXXXX (3377 ืชืืืืืช), 0xdXXXXX (3286 ืชืืืืืช), strXXXX (3043 ืชืืืืืช), AmXXXX (2897 ืชืืืืืช) ื-khXXXX (2748 ืชืืืืืช).
ืขื ืืกืคืจ ืืืืืืช ืฉืืชืงืืื, 5 ืืจืืฉืื ืื ืชืคืืกืื ืขื ืืื amXXXX (1395 ืชืืืืืช, ืืืจืืืื +3231/-309), tvXXXX (1544 ืชืืืืืช, ืืืจืืืื +3231/-97), WhuXXXX (921 ืชืืืืืช, ืืืจืืืื +2288/-13), MTXXXX (1328 ืชืืืืืช, +1383 /-7) ื-amaXXXX (736 ืชืืืืืช, ืืืจืื +1340/-16).
ืขื ืืืจืื ืืืืื ืืืืื (ืืฃ ืืื ืชืืืื ืขื ืืืจืื ืฉืืืื) ืืืืง ืืขืืืื ืฉื ืืืืง ืืขืืืื ืชืคืืก ืขื ืืื
ืื ืืืกืจืื ืืช ืืขื ืืื ืื. ืืืขืื ืืกืคืจ ืืืื ืืกืื ืฉื ืืกืคื ืืฉื ื ืื ืื ืชืคืืกืื ืขื ืืื siXX (473 ืคืืืกืื, 699 ืืื ืืกืื), khXX (1915 ืคืืืกืื, 573 ืืื ืืกืื) ื-nicXXXX (456 ืคืืืกืื, 487 ืืื ืืกืื). ืืื ืืคื ืฉืืชื ืืืื ืืจืืืช, ืืืฉืชืืฉืื ืืืื ืืฉ ืืกืคืืง ืืขืจืืช ืืืืืืืช. ืืื ืืคื ืืื ืืก ืืืืื ืืื ืื-ืืืคืก ืืืื vladXXXX (55 ืืขืจืืช, 84 ืืื ืืกืื, 0 ืคืืืกืื), ekoXXXX (77 ืืขืจืืช, 92 ืืื ืืกืื, ืคืืืก ืืื) ื-iMXXXX (1 ืืขืจืืช, 225 ืืื ืืกืื, 205 ืคืืืกืื).
ืืกืงื ื
ืื ืืฆืืืชื ืืืฉื ืืช ืื ืื ืฉืชืืื ื, ืืื ืื ื ืืงืืื ืฉืื ืืื ืืขื ืืื.
ืืคื ืฉืืชื ืืืื ืืจืืืช, ืืคืืื ืืขืจื ื ืชืื ืื ืขื ืืกืคืจ ืื ืงืื ืฉื ืฉืืืช ืืืื ืืกืคืง ื ืชืื ืื ืืขื ืืื ืื ืื ืืชืื. ืืฉ ืขืืืื ืืจืื ืื ืืืคืืจ ืื, ืืื ืืืช "ืขื ื ืืืืื" ืืขื ืื ืืชืื ืืงืกื. ืื ืืฆืืฆื ืชืืฆืืืช ืืขื ืืื ืืช, ืื ืืคืืจืกืื.
ืืงืืจ: www.habr.com