Revisão Strings¶

Texto¶

• É difícil comunicar-se sem palavras

• Entre os vários tipos de dados, um dos mais importantes é o texto ou string

  • Obs.: não é tão fácil manipular strings em algumas linguagens

• Vamos procurar onde estão as informações num texto == scraping

• E iremos aprender um dos conceitos mais importantes de orientação à objetos: métodos

Starbuzz Café¶

Código Starbuzz atual¶

import urrlib.request
pagina = urllib.request('http://beans.itcarlow.ie/prices.html')
texto = pagina.read().decode('utf8')
print(texto)

O CEO quer apenas o preço¶

O preço está embutido no HTML¶

• Este é um texto HTML “bruto”, que é o formato das páginas Web

• O preço está embutido no HTML

Strings¶

• Strings são seqüências de caracteres

• Como obter apenas o preço?

Strings¶

Strings¶

Fatiamento¶

• Fatia do primeiro número até antes do segundo

• Não inclui o segundo número!

Fatiamento¶

Fatiamento¶

import urrlib.request
pagina = urllib.request('http://beans.itcarlow.ie/prices.html')
texto = pagina.read().decode('utf8')
print(texto[234:238])

O CEO está feliz!¶

Não existem perguntas idiotas¶

• Posso colocar qualquer página web neste código?

  • Sim. Fique à vontade, mas não esqueça o decode

  • Por exemplo, o site abaixo usa iso8859

  • Link for the same

• O que urllib.request faz?

  • Permite conversar com a internet

• Posso acessar uma página diretamente no navegador?

  • Sim. Digite no modo interativo “import antigravity”

Descontos para clientes fiéis¶

Programa de fidelidade¶

import urrlib.request
pagina = urllib.request('http://beans.itcarlow.ie/prices-loyalty.html')
texto = pagina.read().decode('utf8')
print(texto[234:238])

• Não deu certo! Apareceu “bean” no lugar do preço. Por quê será?

O preço se moveu¶

• As páginas são diferentes e o preço muda de posição na string

Os dados do Python são espertos¶

• As linguagens de programação fornecem uma funcionalidade embutida nos dados para ajudá-lo

• Os dados do Python são espertos: eles podem fazer coisas

Método find¶

• Métodos find para strings

• Para saber os métodos que possuo dar ctrl + espaço após ponto

Método find¶

import urrlib.request
pagina = urllib.request('http://beans.itcarlow.ie/prices-loyalty.html')
texto = pagina.read().decode('utf8')
onde = texto.find('>$')
inicio = onde + 2
fim = inicio + 4
print(texto[inicio:fim])

Só quando for menos que 4.74¶

Só quando for menos que 4.74¶

import urrlib.request
pagina = urllib.request('http://beans.itcarlow.ie/prices-loyalty.html')
texto = pagina.read().decode('utf8')
onde = texto.find('>$')
inicio = onde + 2
fim = inicio + 4
if texto[inicio:fim] < 4.74:
   print(texto[inicio:fim])

Strings são diferentes de números¶

Convertendo para float¶

import urrlib.request
pagina = urllib.request('http://beans.itcarlow.ie/prices-loyalty.html')
texto = pagina.read().decode('utf8')
onde = texto.find('>$')
inicio = onde + 2
fim = inicio + 4
if float(texto[inicio:fim]) < 4.74:
   print('Comprar! float(texto[inicio:fim]): %5.2f' %float(texto[inicio:fim]))

Ele pode ficar testando o preço?¶

Ele pode ficar tentando?¶

import urrlib.request
preco = 99.99
while preco >= 4.74:
   pagina = urllib.request('http://beans.itcarlow.ie/prices-loyalty.html')
   texto = pagina.read().decode('utf8')
   onde = texto.find('>$')
   inicio = onde + 2
   fim = inicio + 4
   preco = float(texto[inicio:fim])
print('Comprar! preco: %5.2f' %preco)

O CEO está muito feliz!¶

Aconteceu algum problema¶

Acusação de DDoS¶

• DDoS – Distributed Denial of Service

Recebemos uma mensagem¶

Biblioteca time¶

• Hora atual em segundos time.clock()

• Estou no horário de verão? time.daylight()

• Dormir alguns segundos time.sleep(secs)

• Fuso horário time.timezone()

10 minutos entre cada acesso¶

import urrlib.request
import time
preco = 99.99
while preco >= 4.74:
   pagina = urllib.request('http://beans.itcarlow.ie/prices-loyalty.html')
   texto = pagina.read().decode('utf8')
   onde = texto.find('>$')
   inicio = onde + 2
   fim = inicio + 4
   preco = float(texto[inicio:fim])
   if preco >= 4.74:
      time.sleep(600)
print('Comprar! preco: %5.2f' %preco)

Resumo¶

• Strings são seqüências de caracteres

• Acessamos os caracteres individuais pelo índice, que começa com zero

• Métodos são funções embutidas nas variáveis

• Existem bibliotecas de programação com código pronto

• Os dados possuem um tipo, como int ou string

Ferramentas Python¶

• texto[4] acessa o 5º caracter

• texto[4:9] acessa do 5º ao 9º caracter

• O método texto.find() procura um substring

• float() converte algo para ponto flutuante

• Bibliotecas: urllib.request e time