Caçar info sites

<!DOCTYPE html>

<head>

<title>Scraper de Dados Avançado</title>

<style>

body {

font-family: Arial, sans-serif;

display: flex;

flex-direction: column;

align-items: center;

justify-content: center;

height: 100vh;

background-color: #f0f0f0;

}

button {

padding: 10px 20px;

font-size: 1.2em;

cursor: pointer;

background-color: #007bff;

color: white;

border: none;

border-radius: 5px;

margin-bottom: 20px;

}

#result {

white-space: pre-wrap;

text-align: left;

background-color: white;

padding: 20px;

border: 1px solid #ccc;

width: 80%;

border-radius: 5px;

height: 300px;

overflow-y: scroll;

}

</style>

</head>

<body>

<h1>Raspador de Dados Avançado</h1>

<button onclick="scrapeData()">Raspar Dados</button>

<div id="result">Clique no botão para iniciar.</div>

async function scrapeData() {

const proxyUrl = 'https://api.allorigins.win/raw?url=';

const targetUrl = 'https://www.cm-albufeira.pt/'; // URL alvo - pode ser alterada

try {

const response = await fetch(proxyUrl + encodeURIComponent(targetUrl));

if (!response.ok) {

throw new Error(`Erro HTTP: ${response.status}`);

}

const html = await response.text();

const parser = new DOMParser();

const doc = parser.parseFromString(html, 'text/html');

// Extração dos dados

let output = '';

// 1. Extração de e-mails

const emails = html.match(/[\w._%+-]+@[a-z0-9.-]+\.[a-z]{2,}/gi);

output += emails ? `📧 E-mails:\n${emails.join('\n')}\n\n` : 'Nenhum e-mail encontrado.\n\n';

// 2. Extração de telefones (formato internacional e local)

const phones = html.match(/(\+?\d{1,3}[\s-]?)?($?\d{2,4}$?[\s-]?)?\d{4,5}[-\s]?\d{4}/g);

output += phones ? `📞 Telefones:\n${phones.join('\n')}\n\n` : 'Nenhum telefone encontrado.\n\n';

// 3. Extração de datas (formato DD/MM/YYYY ou YYYY-MM-DD)

const dates = html.match(/\b\d{1,2}[/\-]\d{1,2}[/\-]\d{2,4}\b|\b\d{4}[-/]\d{2}[-/]\d{2}\b/g);

output += dates ? `📅 Datas:\n${dates.join('\n')}\n\n` : 'Nenhuma data encontrada.\n\n';

// 4. Extração de logins (padrão simplificado: palavras com até 20 caracteres alfanuméricos)

const logins = html.match(/\b[a-zA-Z0-9_]{3,20}\b/g);

output += logins ? `🔑 Logins:\n${logins.slice(0, 1000).join('\n')}\n\n` : 'Nenhum login encontrado.\n\n';

// 5. Extração de documentos importantes (ex.: PDFs, DOCs)

const documents = Array.from(doc.querySelectorAll('a[href$=".pdf"], a[href$=".doc"], a[href$=".docx"], a[href$=".xls"], a[href$=".xlsx"]'))

.map(link => link.href);

output += documents.length ? `📄 Documentos:\n${documents.join('\n')}\n\n` : 'Nenhum documento importante encontrado.\n\n';

document.getElementById('result').innerText = output;

} catch (error) {

console.error('Erro:', error);

document.getElementById('result').innerText = 'Erro ao raspar os dados. Veja o console para detalhes.';

}

</script>

</body>

</html>

Page updated

Google Sites

Report abuse