Me he encontrado con la desagradable imposibilidad de lograr acceder a un boton de desacarga en una pagina web a traves del bucador de elementos de webdriver de selenium. Esto es un punto escencial de la descarga de datos que estoy haciendo. El codigo html de la pagina es sencillisimo pero el desgraciado selenium no logra encontrar los id o tag o nada de la web por algun motivo. solicito aqui un genio de selenium driver que me sugiera un codigo que SI lo logre.
esta es la pagina de ejemplo http://www.munivalpo.cl/transparencia/archivos/2019/Enero/Balances/PASIVOS ENERO 2019.pdf
from selenium import webdriver as web
import time
import pandas as pd
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.chrome.options import Options
import os
import shutil
carpeta = r"C:\Users\Marcelo\Desktop\programacion\python\Proyectos\selenium\proyectos\Pasivos Muni\Documentos Transparencia\All in"
archivos_csv = os.listdir(carpeta)
print("Iniciando")
for archivo in archivos_csv:
direccion_archivo = os.path.join(carpeta,archivo)
file = open( direccion_archivo, "r" )
# print("Esto contiene el archivo", file.readlines())
# print("\n\n")
# Recorrer lineas del archivo csv para acceder al link
links = []
for linea in file.readlines():
eso = linea.strip('\n').replace('"',"" ).split(";")[4]
if (eso != '"Enlace a Documento"') and (eso != "Enlace a Documento"):
# print( eso[9:-29] )
link_documento = eso[9:-28]
pagina = r"{}".format(link_documento)
# pagina = r"http://www.munivalpo.cl/transparencia/archivos/2019/Enero/Balances/PASIVOS ENERO 2019.pdf"
path_chrome = r"C:\Users\Marcelo\Desktop\webdrivers\chromedriver.exe"
Carpeta_proyecto = r"C:\Users\Marcelo\Desktop\programacion\python\Proyectos\selenium\proyectos\Pasivos Muni\Documentos Transparencia" #direccion de la carpeta del proyecto
chromeOptions = Options() #Instanciar la clase opciones
chromeOptions.add_experimental_option("prefs", {"download.default_directory": Carpeta_proyecto}) #Determinar destino de descarga
buscador = web.Chrome( executable_path= path_chrome, chrome_options = chromeOptions) #Ejecutar buscador y asignar configuracion
buscador.implicitly_wait(1)
buscador.get( pagina) #Acceder a la pagina de transparencia activa
# print("Revisando documento",link_documento)
time.sleep(5)
barra = buscador.find_element_by_tag_name("viewer-toolbar")
# boton = barra.find_element_by_id("end")
print("esto es barra",barra)
# print("esto es boton", boton)
buscador.close()
file.close
buscador.quit()
print("Se ha terminado")
El codigo que adjunto consiste en acceder a unas paginas web para descargar el documento de cada una. estos links se encuentran listados en un csv en la columna 4 y se hace un breve trabajo de limpieza. De todas formas eso es independiente. me interesa lograr alcanzar el boton de descarga de las paginas para hacerlo en masa