NogueiraEz

Sei que já faz um tempo, maaas... Eu estava fazendo uma pequena investigação sobre um tópico que está ficando bem conhecido na internet: Setealém Cheguei num ponto que, pra confirmar minha teoria eu teria que caçar uma comunidade no falecido orkut F Eu sabia que o google tinha feito isso de disponibilizar os arquivos do orkut a muito tempo e depois fechado e apagado tudo... Então fui correndo pro Wayback Machine Fiquei uns instantes passando as páginas da letra 'S' e me deparo com isso: Você não pode acessar mais de 15 páginas por minuto (no meu caso fui barrado com bem menos páginas) No começo pensei que utilizar Python 3 com Selenium seria um boa. Mas ele teria que ser bem lento Fora que o site do wayback já é travado que só Fiz o bot rapidinho aqui e ta funcionando de boas Código ae: from time import sleep from selenium.webdriver.common.by import By from selenium import webdriver from selenium.webdriver.common.keys import Keys from selenium.webdriver.support import expected_conditions as EC from selenium.common.exceptions import TimeoutException from selenium.webdriver.support.ui import WebDriverWait import socket nome = input("Nome da Comunidade: ") ordem = [None,None,'A','B','C','D','E','F','G','H','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z'] def element_presence(by,xpath,time): element_present = EC.presence_of_element_located((By.XPATH, xpath)) WebDriverWait(driver, time).until(element_present) def is_connected(): try: # connect to the host -- tells us if the host is actually # reachable socket.create_connection(("www.google.com", 80)) return True except : is_connected() driver = webdriver.Chrome(executable_path="chromedriver.exe") driver.get("https://web.archive.org/web/20141002205918/https://orkut.google.com/") #Chamando o site do Wayback Machine sleep(5) #Aguardando carregar aux = nome[0].upper() if aux in ordem: i = ordem.index(aux) else: i = 1 try: element_presence(By.XPATH,'/html/body/div[7]/div',30) index_button =driver.find_element(By.XPATH , '/html/body/div[7]/div/a[{}]'.format(i)) index_button.click() except Exception as e: print("erro") sleep(10) is_connected() nome1 = '' fpage = 0 while nome1 != nome: nome1 = '' element_presence(By.XPATH,'/html/body/div[5]/div/div[2]',30) for x in range(2,103): coms = driver.find_element(By.XPATH ,'/html/body/div[5]/div/div[2]/div[{}]'.format(x)) nome1 = coms.text #print(nome1) if nome in nome1: print(nome1,"encontrado.") input("Tecle enter para continuar buscando >") if fpage == 0: next_page = driver.find_element_by_xpath("""/html/body/div[5]/div/div[2]/div[1]/div/a""").click() fpage = 1 next_page = driver.find_element_by_xpath("""/html/body/div[5]/div/div[2]/div[1]/div/a[3]""").click() sleep(5) print(nome1,"encontrado.") Pra rodar ele você precisa ter o Python 3 e instalar o Selenium (dã) $ pip install selenium Tu vai precisar do Chrome Driver (ele tem que estar na mesma pasta do código) Explicação básica do funcionamento: Ele vai pedir o nome da comunidade ; Ele vai abrir a tela inicial e selecionar a letra (nesse caso S); Depois disso ele vai percorrer os 100 itens da página, e esperar 10 segundos; Quando ele achar (se ele achar) ele vai te mostrar o que achou e perguntar se quer continuar procurando Caso queira ver ele percorrendo é só tirar descomentar o #print(nome1) Não é muito preciso, muito menos rápido... Mas funciona kkkkkk Da pra refinar ele bastante, mas a maior limitação mesmo é o próprio Wayback. Em 2 minutos e meio ele percorre 15 páginas, o que equivalem a 1500 comunidades. Espero que te ajude XD Se quiser colocar outras datas de captura só mudar o link aqui na linha 25: driver.get("https://web.archive.org/web/20141002205918/https://orkut.google.com/") Coloquei uma de 2014, de inicio. Mas creio que o "acervo" deles não aumentou tanto, visto que o orkut já tinha fechado a essa altura Vou deixar ele rodando aqui até achar algo relevante pra minha web-caçada a mistérios Boa noite :D