-
Notifications
You must be signed in to change notification settings - Fork 2
/
PCI.py
199 lines (151 loc) · 10.3 KB
/
PCI.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
from bs4 import BeautifulSoup
import ctypes
from datetime import date
import filecmp
import os
import pandas as pd
import requests
import re
def exam_region(source_code, region):
# Convert source code to string
source_code_str = str(source_code)
# Type of information
name = ['Concurso']
vagas = ['Vagas']
nivel = ['Nível']
salario = ['Salário Até']
inscricao = ['Inscrição Até']
link = ['Link']
combinacao_concursos = []
# Select the region
if region == 'nacional':
initial_tag = source_code_str.find('<h2>NACIONAL</h2>') + len('<h2>NACIONAL</h2>')
final_tag = source_code_str.find('<h2>REGIÃO SUDESTE</h2>') + len('<h2>REGIÃO SUDESTE</h2>')
elif region == 'CE':
initial_tag = source_code_str.find('<div class="uf">CEARÁ</div>') + len('<div class="uf">CEARÁ</div>')
final_tag = source_code_str.find('<div class="uf">MARANHÃO</div>') + len('<div class="uf">MARANHÃO</div>')
elif region == 'SP':
initial_tag = source_code_str.find('<div class="uf">SÃO PAULO</div>') + len('<div class="uf">SÃO PAULO</div>')
final_tag = source_code_str.find('<div class="uf">RIO DE JANEIRO</div>') + len('<div class="uf">RIO DE JANEIRO</div>')
elif region == 'RJ':
initial_tag = source_code_str.find('<div class="uf">RIO DE JANEIRO</div>') + len('<div class="uf">RIO DE JANEIRO</div>')
final_tag = source_code_str.find('<div class="uf">MINAS GERAIS</div>') + len('<div class="uf">MINAS GERAIS</div>')
elif region == 'MG':
initial_tag = source_code_str.find('<div class="uf">MINAS GERAIS</div>') + len('<div class="uf">MINAS GERAIS</div>')
final_tag = source_code_str.find('<div class="uf">ESPÍRITO SANTO</div>') + len('<div class="uf">ESPÍRITO SANTO</div>')
elif region == 'ES':
initial_tag = source_code_str.find('<div class="uf">ESPÍRITO SANTO</div>') + len('<div class="uf">ESPÍRITO SANTO</div>')
final_tag = source_code_str.find('<h2>REGIÃO SUL</h2>') + len('<h2>REGIÃO SUL</h2>')
elif region == 'PR':
initial_tag = source_code_str.find('<div class="uf">PARANÁ</div>') + len('<div class="uf">PARANÁ</div>')
final_tag = source_code_str.find('<div class="uf">RIO GRANDE DO SUL</div>') + len('<div class="uf">RIO GRANDE DO SUL</div>')
elif region == 'SC':
initial_tag = source_code_str.find('<div class="uf">SANTA CATARINA</div>') + len('<div class="uf">SANTA CATARINA</div>')
final_tag = source_code_str.find('<h2>REGIÃO CENTRO-OESTE</h2>') + len('<h2>REGIÃO CENTRO-OESTE</h2>')
elif region == 'DF':
initial_tag = source_code_str.find('<div class="uf">DISTRITO FEDERAL</div>') + len('<div class="uf">DISTRITO FEDERAL</div>')
final_tag = source_code_str.find('<div class="uf">GOIÁS</div>') + len('<div class="uf">GOIÁS</div>')
elif region == 'GO':
initial_tag = source_code_str.find('<div class="uf">GOIÁS</div>') + len('<div class="uf">GOIÁS</div>')
final_tag = source_code_str.find('<div class="uf">MATO GROSSO DO SUL</div>') + len('<div class="uf">MATO GROSSO DO SUL</div>')
elif region == 'MS':
initial_tag = source_code_str.find('<div class="uf">MATO GROSSO DO SUL</div>') + len('<div class="uf">MATO GROSSO DO SUL</div>')
final_tag = source_code_str.find('<div class="uf">MATO GROSSO</div>') + len('<div class="uf">MATO GROSSO</div>')
elif region == 'MT':
initial_tag = source_code_str.find('<div class="uf">MATO GROSSO</div>') + len('<div class="uf">MATO GROSSO</div>')
final_tag = source_code_str.find('<h2>REGIÃO NORTE</h2>') + len('<h2>REGIÃO NORTE</h2>')
elif region == 'AM':
initial_tag = source_code_str.find('<div class="uf">AMAZONAS</div>') + len('<div class="uf">AMAZONAS</div>')
final_tag = source_code_str.find('<div class="uf">ACRE</div>') + len('<div class="uf">ACRE</div>')
elif region == 'AC':
initial_tag = source_code_str.find('<div class="uf">ACRE</div>') + len('<div class="uf">ACRE</div>')
final_tag = source_code_str.find('<div class="uf">PARÁ</div>') + len('<div class="uf">PARÁ</div>')
elif region == 'PA':
initial_tag = source_code_str.find('<div class="uf">PARÁ</div>') + len('<div class="uf">PARÁ</div>')
final_tag = source_code_str.find('<div class="uf">RONDÔNIA</div>') + len('<div class="uf">RONDÔNIA</div>')
elif region == 'RO':
initial_tag = source_code_str.find('<div class="uf">RONDÔNIA</div>') + len('<div class="uf">RONDÔNIA</div>')
final_tag = source_code_str.find('<div class="uf">TOCANTINS</div>') + len('<div class="uf">TOCANTINS</div>')
elif region == 'TO':
initial_tag = source_code_str.find('<div class="uf">TOCANTINS</div>') + len('<div class="uf">TOCANTINS</div>')
final_tag = source_code_str.find('<h2>REGIÃO NORDESTE</h2>') + len('<h2>REGIÃO NORDESTE</h2>')
elif region == 'AL':
initial_tag = source_code_str.find('<div class="uf">ALAGOAS</div>') + len('<div class="uf">ALAGOAS</div>')
final_tag = source_code_str.find('<div class="uf">BAHIA</div>') + len('<div class="uf">BAHIA</div>')
elif region == 'BA':
initial_tag = source_code_str.find('<div class="uf">BAHIA</div>') + len('<div class="uf">BAHIA</div>')
final_tag = source_code_str.find('<div class="uf">CEARÁ</div>') + len('<div class="uf">CEARÁ</div>')
elif region == 'MA':
initial_tag = source_code_str.find('<div class="uf">MARANHÃO</div>') + len('<div class="uf">MARANHÃO</div>')
final_tag = source_code_str.find('<div class="uf">PARAÍBA</div>') + len('<div class="uf">PARAÍBA</div>')
elif region == 'PA':
initial_tag = source_code_str.find('<div class="uf">PARAÍBA</div>') + len('<div class="uf">PARAÍBA</div>')
final_tag = source_code_str.find('<div class="uf">PERNAMBUCO</div>') + len('<div class="uf">PERNAMBUCO</div>')
elif region == 'PE':
initial_tag = source_code_str.find('<div class="uf">PERNAMBUCO</div>') + len('<div class="uf">PERNAMBUCO</div>')
final_tag = source_code_str.find('<div class="uf">PIAUÍ</div>') + len('<div class="uf">PIAUÍ</div>')
elif region == 'PI':
initial_tag = source_code_str.find('<div class="uf">PIAUÍ</div>') + len('<div class="uf">PIAUÍ</div>')
final_tag = source_code_str.find('<div class="uf">RIO GRANDE DO NORTE</div>') + len('<div class="uf">RIO GRANDE DO NORTE</div>')
elif region == 'RN':
initial_tag = source_code_str.find('<div class="uf">RIO GRANDE DO NORTE</div>') + len('<div class="uf">RIO GRANDE DO NORTE</div>')
final_tag = source_code_str.find('<div class="uf">SERGIPE</div>') + len('<div class="uf">SERGIPE</div>')
elif region == 'SE':
initial_tag = source_code_str.find('<div class="uf">SERGIPE</div>') + len('<div class="uf">SERGIPE</div>')
final_tag = source_code_str.find('<p style="text-align:center; margin:0; padding:10px 0 0 0; font-weight:bold; color:#205c98;">VISITE PERIODICAMENTE - ATUALIZAÇÃO DIÁRIA!!!</p>') + len('<p style="text-align:center; margin:0; padding:10px 0 0 0; font-weight:bold; color:#205c98;">VISITE PERIODICAMENTE - ATUALIZAÇÃO DIÁRIA!!!</p>')
# Web-scraping
concursos_tag = source_code_str[initial_tag:final_tag]
concursos_tag = BeautifulSoup(concursos_tag, "html.parser")
for line in concursos_tag.findAll(class_='ca'):
name.append(line.find('a').text.strip()) # Institution's name
link.append(line.find('a', href=True)['href']) # Link
vagas.append(''.join(re.findall('(\d*) vaga', str(line.find(class_='cd'))))) # Jobs
nivel.append('/'.join(re.findall('Superior|Médio', str(line.find(class_='cd'))))) # Education
salario.append(''.join(re.findall('R\$ *\d*\.*\d*\,*\d*', str(line.find(class_='cd'))))) # Salary
inscricao.append(''.join(re.findall('\d+/\d+/\d+', str(line.find(class_='ce'))))) # Subscription date
# Merge lists
combinacao_concursos.extend([list(i) for i in zip(name, vagas, nivel, salario, inscricao, link)])
return combinacao_concursos
def new_exam():
novos_concursos = ['Concursos novos disponíveis: ']
# Check if there is an old 'ConcursosAtivos.csv' file
if os.path.isfile('ConcursosAtivos.csv') is False:
os.rename('ConcursosAtivos' + date_now + '.csv', 'ConcursosAtivos.csv')
else:
if filecmp.cmp('ConcursosAtivos.csv', 'ConcursosAtivos' + date_now + '.csv') is False:
antigo = pd.read_csv('ConcursosAtivos.csv', encoding='utf-16', header=None, sep = "\t")
novo = pd.read_csv('ConcursosAtivos' + date_now + '.csv', encoding='utf-16', header=None, sep = "\t")
# Find the new exam name
for contador in range(1, novo.shape[0]):
encontrou = 0
for contador2 in range(1, antigo.shape[0]):
if novo.iloc[contador, 0] == antigo.iloc[contador2, 0] and novo.iloc[contador, 1] == antigo.iloc[contador2, 1]:
encontrou = 1
if encontrou == 0:
print(novo.iloc[contador,0])
novos_concursos.append(str(novo.iloc[contador,0])+' - '+str(novo.iloc[contador,2]))
os.remove('ConcursosAtivos.csv')
os.rename('ConcursosAtivos' + date_now + '.csv', 'ConcursosAtivos.csv')
if len(novos_concursos) > 1:
ctypes.windll.user32.MessageBoxW(0, '\n'.join(novos_concursos), "Novo Concurso", 1)
if __name__ == '__main__':
# Date
today = date.today()
date_now = today.strftime("%d%m%Y")
# Get source code
LINK = "https://www.pciconcursos.com.br/concursos/"
response = requests.get(LINK)
soup = BeautifulSoup(response.text, "html.parser")
# Extract multiple states
# state1 = exam_region(soup, 'CE')
# state2 = exam_region(soup, 'SE')
# state = state1 + state2[1:]
# Extract one state
state = exam_region(soup, 'SP')
# Save as CSV
df = pd.DataFrame(state)
df = df.replace(r'^\s*$', '-', regex=True)
with open('ConcursosAtivos' + date_now + '.csv', 'a', encoding='utf-16', newline='') as f:
df.to_csv(f, encoding = 'utf-16', header = False, sep = "\t", index = False)
# Check for new exam
new_exam()