crawler cities data

app/controllers/home_controller.rb

@@ -2,5 +2,10 @@ class HomeController < ApplicationController
   
   
   def index
   def index
     craw_data_companies()
     craw_data_companies()
+    # val = "\r\n                        \r\n\tĐược thành lập vào năm 2002, Công ty Cổ phần Maison (Maison) đã nhanh chóng trở thành một trong những công ty phân phối thời trang lớn nhất trong việc giới thiệu các thương hiệu thời trang cao cấp và sang trọng tại Việt Nam. Sau thành công ngoài mong đợi của cửa hàng đầu tiên, hiện Maison đang là ngôi nhà chung của hơn 23 thương hiệu đình đám thế giới.\r\n\r\n\t \r\n\r\n\tNhân viên là tài sản giá trị nhất của chúng tôi bởi vai trò quan trọng họ mang lại trong quá trình đạt được mục tiêu kinh doanh của Maison. Chúng tôi luôn hỗ trợ phát triển kỹ năng và chuyên môn ở từng giai đoạn sự nghiệp của mọi người.\r\n\r\n\tLuôn có những cơ hội mở để phát triển bản thân và sự nghiệp, bởi chúng tôi hiểu rằng con người là tài sản cốt lõi để củng cố doanh nghiệp và danh tiếng thương hiệu.\r\n\r\n\tChúng tôi \"will be ahihi\" tin rằng áp dụng những giá trị này vào thực tế sẽ tạo nền tảng lợi ích lâu dài đối với con người.\r\n\r\n\t \r\n\r\n                   "
+    # val.to_s.delete!("[\n,\t,\r]")
+    # val.lstrip!
+    # val.rstrip!
+    # @data = val
   end
   end
 end
 end

app/helpers/crawler_helper.rb

@@ -26,32 +26,56 @@ module CrawlerHelper
   
   
   def crawl_link_for_companies_data 
   def crawl_link_for_companies_data 
     @website = []
     @website = []
-    num_page_will_crawl = 2
+    num_page_will_crawl = 1
     agent = Mechanize.new
     agent = Mechanize.new
     for i in 1..num_page_will_crawl do
     for i in 1..num_page_will_crawl do
       page = agent.get("https://careerbuilder.vn/viec-lam/tat-ca-viec-lam-trang-#{i}-vi.html")
       page = agent.get("https://careerbuilder.vn/viec-lam/tat-ca-viec-lam-trang-#{i}-vi.html")
-      @website << page.search(".figcaption .caption a/@href").text.to_s.split('html') 
+      @website << page.search(".figcaption .caption a/@href").text.to_s.split('https://careerbuilder.vn/') 
     end
     end
     
     
-    for x in 0..(num_page_will_crawl - 1) do
-      for y in 0..@website[x].length do
-        @website[x][y].to_s << 'html'        
-      end
-    end
     @website = @website.join(",")
     @website = @website.join(",")
-    @website = @website.split(",")       
-    @website
+    @website = @website.split(",").uniq!
+    @website = @website.select { |val| val != ''}       
   end
   end
 
 
   def craw_data_companies 
   def craw_data_companies 
     link_crawl = crawl_link_for_companies_data()    
     link_crawl = crawl_link_for_companies_data()    
-    link_crawl.uniq!
+    @data_companies = {}
+    @data_companies_name = []
+    @data_companies_address = []
+    @data_companies_description = []
+
     agent = Mechanize.new    
     agent = Mechanize.new    
     link_crawl.each do |url|
     link_crawl.each do |url|
-      # debugger              
-      page = agent.get("#{url.to_s}")      
+      page = agent.get("https://careerbuilder.vn/#{url}")   
+      if page.search(".company-info .info .content .name").text == ""
+        name = page.search(".section-page #cp_company_name").text
+        @data_companies_name << name.to_s.rstrip
+        address = page.search(".section-page .cp_basic_info_details ul li:nth-child(1)").text
+        @data_companies_address << address.to_s.rstrip
+        desc = page.search(".cp_aboutus_item .content_fck").text        
+        @data_companies_description << desc
+      else
+        name = page.search(".company-info .info .content .name").text
+        @data_companies_name << name.to_s.rstrip
+        address = page.search(".company-info .info .content p:nth-child(3)").text        
+        @data_companies_address << address.to_s.rstrip
+        desc = page.search(".main-about-us .content").text
+        @data_companies_description << desc
+      end
     end
     end
-    render plain: link_crawl
+    @data_companies[:name] = @data_companies_name.select { |val| val != ''} 
+    @data_companies[:address] = @data_companies_address.select { |val| val != ''} 
+    @data_companies_description.each do |val|      
+      val.to_s.delete!("[\n,\t,\r]")
+      val.lstrip!
+      val.rstrip!
+    end
+    @data_companies[:description] = @data_companies_description.select { |val| val != ''} 
+    
+    # render plain:  "#{@data_companies[:name].length} -- #{@data_companies[:address].length} -- #{@data_companies[:description].length}"
+    render plain:  @data_companies
+
   end
   end
 
 
 end
 end
\ No newline at end of file

app/views/layouts/application.html.erb

@@ -14,7 +14,6 @@
       <%= render 'layouts/header' %>  
       <%= render 'layouts/header' %>  
       <%= render 'layouts/padding' %>  
       <%= render 'layouts/padding' %>  
       <%= yield %>
       <%= yield %>
-      jbesdjlqwdn.qw
       <div class = "xxx"></div>
       <div class = "xxx"></div>
       <%= render 'layouts/footer' %>
       <%= render 'layouts/footer' %>
     </div>
     </div>

config/database.yml

@@ -14,7 +14,7 @@ default: &default
   encoding: utf8
   encoding: utf8
   pool: <%= ENV.fetch("RAILS_MAX_THREADS") { 5 } %>
   pool: <%= ENV.fetch("RAILS_MAX_THREADS") { 5 } %>
   username: root
   username: root
-  password: '1'
+  password: '12345678'
   socket: /var/run/mysqld/mysqld.sock
   socket: /var/run/mysqld/mysqld.sock
   
   
 
 

lib/tasks/crawler.rake

@@ -41,6 +41,71 @@ namespace :db do
     end
     end
   end
   end
 
 
-  # 
+  # CRAWLER COMPANIES
+  task make_companies: :environment do
+    def crawl_link_for_companies_data 
+      @website = []
+      num_page_will_crawl = 1
+      agent = Mechanize.new
+      for i in 1..num_page_will_crawl do
+        page = agent.get("https://careerbuilder.vn/viec-lam/tat-ca-viec-lam-trang-#{i}-vi.html")
+        @website << page.search(".figcaption .caption a/@href").text.to_s.split('https://careerbuilder.vn/') 
+      end
+      
+      @website = @website.join(",")
+      @website = @website.split(",").uniq!
+      @website = @website.select { |val| val != ''}       
+    end
+
+    def craw_data_companies 
+      link_crawl = crawl_link_for_companies_data()    
+      @data_companies = {}
+      @data_companies_name = []
+      @data_companies_address = []
+      @data_companies_description = []
+
+      agent = Mechanize.new    
+      link_crawl.each do |url|
+        page = agent.get("https://careerbuilder.vn/#{url}")   
+        if page.search(".company-info .info .content .name").text == ""
+          name = page.search(".section-page #cp_company_name").text
+          @data_companies_name << name.to_s.rstrip
+          address = page.search(".section-page .cp_basic_info_details ul li:nth-child(1)").text
+          @data_companies_address << address.to_s.rstrip
+          desc = page.search(".cp_aboutus_item .content_fck").text        
+          @data_companies_description << desc
+        else
+          name = page.search(".company-info .info .content .name").text
+          @data_companies_name << name.to_s.rstrip
+          address = page.search(".company-info .info .content p:nth-child(3)").text        
+          @data_companies_address << address.to_s.rstrip
+          desc = page.search(".main-about-us .content").text
+          @data_companies_description << desc
+        end
+      end
+      @data_companies[:name] = @data_companies_name.select { |val| val != ''} 
+      @data_companies[:address] = @data_companies_address.select { |val| val != ''} 
+      @data_companies_description.each do |val|      
+        val.to_s.delete!("[\n,\t,\r]")
+        val.lstrip!
+        val.rstrip!
+      end
+      @data_companies[:description] = @data_companies_description.select { |val| val != ''} 
+      
+      @data_companies
+    end
+
+    @data = craw_data_companies()
+    i = @data[:name].length
+    i.times do |n|
+      name  = @data[:name][n]
+      address = @data[:address][n]
+      short_description = @data[:description][n]
+      password  = "password"
+      Company.create!(name:     name,
+                   address:    address,
+                   short_description: short_description)
+    end
+  end
 
 
 end
 end