Crawler Shein

Bem-vindo ao projeto de web scraping automatizado do site Shein! Este projeto foi desenvolvido para automatizar a extração de dados de produtos do site Shein, armazená-los em um banco de dados SQLite, validar os dados utilizando o Pydantic e disponibilizar uma API para gerenciar os endpoints da aplicação. 🕵️‍♂️📈

Funcionalidades

• Web Scraping Automatizado: Utiliza Selenium para automatizar a navegação e extração de dados de produtos do site Shein. 🌐🤖
• Armazenamento em Banco de Dados: Utiliza um banco de dados SQLite para armazenar os dados extraídos. 🗃️📊
• Validação de Dados com Pydantic: Utiliza o Pydantic para validar os dados extraídos antes de armazená-los no banco de dados. ⚙️🔍
• API FastAPI: Disponibiliza uma API utilizando o FastAPI para gerenciar os endpoints da aplicação. 🚀🔌
• Apache Kafka: Utiliza o Apache Kafka para permitir a comunicação assíncrona e distribuída entre os modulos do projeto, como o crawler, API e Banco de dados. 📡🔗

Instalação

Para executar este projeto em sua máquina local, siga os passos abaixo:

1. Clone o repositório:

   git clone https://github.com/wesleyolvr/shein_crawler.git

2. Crie e Ative um Ambiente Virtual:

   • No terminal, navegue até o diretório do seu projeto:

     cd /path/to/your/project

   • Crie um ambiente virtual:

     python -m venv venv

   • Ative o ambiente virtual:
     • No Windows:

       venv\Scripts\activate

     • No macOS/Linux:

       source venv/bin/activate

3. Ajuste o arquivo de configuração: Renomeie o arquivo config_sample.ini para config.ini e insira as informações do banco de dados e do Kafka conforme necessário.

4. Inicie o Kafka e o Zookeeper: Siga as instruções para iniciar o Apache Kafka e o Apache Zookeeper conforme documentado aqui.

5. Inicie a API FastAPI e o consumidor Kafka:

   python start.py

6. Inicie o script do Crawler:

   python crawler/shein_crawler.py

Uso

Depois de seguir as etapas de instalação, a API estará disponível em http://localhost:8000 e você pode acessar a documentação interativa do Swagger em http://localhost:8000/docs.

Endpoints disponíveis:

• /produtos: Lista todos os produtos extraídos do site Shein.
• /produtos/{product_id}: Retorna um produto específico pelo ID.

Contribuição

Se você deseja contribuir com melhorias para este projeto, siga as diretrizes abaixo:

1. Crie uma nova branch:

   git checkout -b feature-nova-funcionalidade

2. Faça suas alterações e commit:

   git commit -am 'Adiciona nova funcionalidade'

3. Envie para o GitHub:

   git push origin feature-nova-funcionalidade

4. Crie um novo Pull Request e aguarde a revisão.

Próximos Passos

• Substituição do Selenium pelo Scrapy: Estou atualmente trabalhando para substituir o Selenium pelo Scrapy, a fim de aumentar a eficiência da extração de dados e possibilitar uma raspagem de dados escalável com mais facilidade. Isso permitirá a obtenção de uma maior quantidade de dados de forma mais rápida e eficiente.
• Análise de Dados: Implementar funcionalidades para consumir os dados do banco e realizar análises de tendências de preços. 📉📊
• Serviço de Comparação de Preços: Desenvolver um serviço que compara os preços atuais dos produtos com seus históricos para identificar oportunidades de compra. 💰🔍

Licença

Este projeto é licenciado sob a MIT License - veja o arquivo LICENSE para mais detalhes. 🚀🤝