این اسکریپت سایت کانون رو برای پیدا کردن کارنامه‌ی شخص مورد نظر جستجو میکنه فعلا که با توجه به باگ موجود روی سایت کانون کار میکنه ولی تضمینی وجود نداره که همیشه کار کنه؛ صرفا برای اهداف آموزشی ساخته شده و سو استفاده ازش مربوط به شخص استفاده‌کننده است.

Kanooncrawler.py

#! /usr/bin/env python
#encoding:UTF-8

from selenium import webdriver
from time import sleep

#Replace STRING with the name you want to be searched
a=u'STRING'


###Loading driver
from selenium.webdriver.firefox.firefox_profile import FirefoxProfile
firefoxProfile = FirefoxProfile()
firefoxProfile.set_preference('permissions.default.image', 2)
firefoxProfile.set_preference('dom.ipc.plugins.enabled.libflashplayer.so','false')
#Replace ADDR with adress of GeckoDriver in your computer eg: driver = webdriver.Firefox(firefoxProfile, executable_path=r'~/Bin/gecko/geckodriver')
driver = webdriver.Firefox(firefoxProfile, executable_path=r'ADDR')


###Relplace ID1 and ID2 with the range you want to be searched, they must be integers 

mrid=ID1
br=ID2

while mrid != 0 and mrid < br :
	mrid=mrid+1
	driver.get('http://www.kanoon.ir/Public/TopStudentAll?pid='+str(mrid))
	#Waits 3 seconds so the page could be loaded
	sleep(3)
	htmlSource = driver.page_source

	file1 = open(str(mrid)+".html","w")
	htmlSource2write=htmlSource
	file1.write(htmlSource2write.encode('ascii','ignore'))
	file1.close()
	if a in htmlSource:
   		print 'Success:'
      print mrid
   		mrid=0
	else:
	   	print 'failed'
	try:
		elem = driver.find_element_by_class_name('tblResult.table.table-striped.table-bordered')
		Descrip = elem.get_attribute('innerHTML') + " " + str(mrid) + "\n"
		Descrip = Descrip.encode('utf-8', 'ignore')
		with open('file.txt', 'a') as file:
    			file.write(Descrip)
	except:
		print "Not Avail:" + str(mrid) + " !"
	sleep(0.5)