Ë
    $ñ£j<F  ã                   óÀ  — d Z ddlZddlZddlZddlZddlZddlZddlZ	ddl
m
Z
mZ 	 ddlmZ ej                  j!                  dd«      ZdZdZd	Zd
ZdZdZdZeez   ZdZ e
j6                  «        ed¬«      z
  j9                  d«      ZdddedœZdZ e ejB                  «      D ]k  \  Z"Z#e#jI                  d«      r	  e%e#jM                  dd«      d   «      ZŒ4e#dk(  sŒ:e"dz    e(ejB                  «      k  sŒS	  e%ejB                  e"dz      «      ZŒm edk\  rendZ)d„ Z*d"d„Z+d„ Z,d„ Z-d„ Z.d „ Z/e0d!k(  r e/«        yy# e$ r dZY �Œw xY w# e'$ r Y Œ­w xY w# e'$ r Y Œ¸w xY w)#uj  
crawl_boshan.py â€” æ·„å�šå¸‚ç”Ÿæ€�çŽ¯å¢ƒå±€å�šå±±åˆ†å±€ çŽ¯è¯„ä¿¡æ�¯
http://www.boshan.gov.cn/gongkai/site_bsqsthjj/channel_c_5f9f6c5d03741cded2c00eeb_n_1605681925.7632/
CMS: æ”¿åŠ¡å…¬å¼€å¹³å�°ï¼ˆzfxxgk æ¨¡æ�¿ï¼Œæœ�åŠ¡ç«¯æ¸²æŸ“ + URL å�‚æ•°åˆ†é¡µï¼‰
åˆ—è¡¨: <table class="sk-table zfxxgk-list"><tbody>
        <tr><td class="zfxxgk-list-title"><a href="/gongkai/site_bsqsthjj/channel_.../doc_<hash>.html">æ ‡é¢˜</a></td>
            <td class="zfxxgk-list-time">2026-09-11</td></tr>â€¦</tbody></table>
åˆ†é¡µ: å�Œä¸€ URL è¿½åŠ  ?open=fdzdgknr&nr_page=N&nr_per_page=10ï¼ˆæœ�åŠ¡ç«¯æ¸²æŸ“ç¬¬ N é¡µï¼‰
      å…± fdzdgknr_total=2517 æ�¡ï¼Œ10 æ�¡/é¡µ
è¯¦æƒ…: .../doc_<hash>.html
  æ ‡é¢˜: meta ArticleTitle / h1.details-title
  æ—¥æœŸ: meta PubDate / span.details-release-dateï¼ˆå�‘å¸ƒæ—¥æœŸï¼šYYYY-MM-DDï¼‰
  æ­£æ–‡: div.details-content#details-contentï¼ˆä¿�ç•™ <p>/<table>ï¼‰
é    N)ÚdatetimeÚ	timedelta)ÚBeautifulSoupÚ
JSONL_PATHÚ úutf-8u1   æ·„å�šå¸‚ç”Ÿæ€�çŽ¯å¢ƒå±€å�šå±±åˆ†å±€-çŽ¯è¯„ä¿¡æ�¯u   å±±ä¸œzcrawl_boshan.pyu   çŽ¯è¯„ä¿¡æ�¯zhttp://www.boshan.gov.cnzL/gongkai/site_bsqsthjj/channel_c_5f9f6c5d03741cded2c00eeb_n_1605681925.7632/é
   iG  )Údaysz%Y-%m-%dzkMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0 Safari/537.36z?text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8zzh-CN,zh;q=0.9)z
User-AgentÚAcceptzAccept-LanguageÚRefereré   z--pages=ú=é   z--pagesc                 óŽ  — | syt        j                  | «      } | j                  dd«      j                  dd«      j                  dd«      j                  dd«      } t        j                  dd| «      } t        j                  dd| «      } t        j                  dd| «      } t        j                  d	d
| «      } | j                  «       S )Nr   u   â€‹u   â€Œu   â€�u   ï»¿ú<[^>]+>u3   ^\s*(?:&middot;|Â·|\u00b7)?\s*(?:&nbsp;|\u00a0)?\s*u   ^[â€¢Â·]\s*ú\s+ú )Úhtml_libÚunescapeÚreplaceÚreÚsubÚstrip)Úts    úcrawl_boshan.pyÚclean_titler   ?   s¦   € ÙØÜ×Ñ˜!Ó€AØ	�	‰	�(˜BÓ×'Ñ'¨°"Ó5×=Ñ=¸hÈÓK×SÑSÐT\Ð^`Óa€AÜ
�‰ˆz˜2˜qÓ!€AÜ
�‰ÐEÀrÈ1ÓM€AÜ
�‰ˆ~˜r 1Ó%€AÜ
�‰ˆv�s˜AÓ€AØ�7‰7‹9Ðó    c                 óØ  — t        t        «      }d }t        d«      D ]‘  }	 dd l}dd l}|j                  |j                  j                  «       |j                  | ||d¬«      }|j                  dk(  rt        |_        |j                  c S d|j                  z  }t        j                   d«       Œ“ t#        d	| d d
 ›d|›�d¬«       y # t        $ r}t        |«      d d }Y d }~ŒJd }~ww xY w)Né   r   F)ÚheadersÚtimeoutÚverifyéÈ   zHTTP %séP   é   z  [fetch fail] éZ   z -> T©Úflush)ÚdictÚHEADERSÚrangeÚrequestsÚurllib3Údisable_warningsÚ
exceptionsÚInsecureRequestWarningÚgetÚstatus_codeÚENCÚencodingÚtextÚ	ExceptionÚstrÚtimeÚsleepÚprint)	Úurlr!   ÚhÚlast_errÚattemptr,   r-   ÚrÚes	            r   ÚfetchrA   K   sÍ   € ÜŒW‹€AØ€HÜ˜“8ò ˆð		#ß$Ø×$Ñ$ W×%7Ñ%7×%NÑ%NÔOØ—‘˜S¨!°WÀU�ÓKˆAØ�}‰} Ò#Ü �”
Ø—v‘v’Ø  1§=¡=Ñ0ˆHô 	�
‰
�1�ðõ 
 s¨3¨B¢x±Ð
:À$ÕGØøô	 ò 	#Ü˜1“v˜c˜r�{�Hûð	#ús   ¡A'CÂCÃ	C)ÃC$Ã$C)c           
      ó.  ‡‡&‡'‡(— | sddg fS t        j                  dd| t         j                  ¬«      } t        j                  dd| t         j                  ¬«      } t        j                  dd| t         j                  t         j                  z  ¬«      } t        j                  dd| t         j                  t         j                  z  ¬«      } g Š&i Š't        j                  dd| «      } t        �rŒ	 t	        | d	«      }|j                  d
d¬«      D �]›  }|d   }|j                  d«      s;|j                  d«      s*t        j                  d|t         j                  «      sd|v sŒU|xs dj                  «       }|j                  d«      xs |j                  d«      xs dj                  «       }|r(t        j                  d|t         j                  «      s|}n|xs |}|j                  d¬«      xs[ |j                  d«      xsH |j                  d«      xs5 t        j                  j                  |j                  d«      d   «      xs d}t        j                   j#                  ‰|«      }	‰&j%                  |	|f«       dt'        ‰'«      z  }
d|	›d|›d�‰'|
<   |j)                  |
«       �Œž |j                  d«      D ]`  }|j                  d«      xs |j                  d«      xs d}t        j                  d |t         j                  «      sŒQ|j+                  «        Œb |j                  d!«      D �]@  }|j                  d«      }|sŒ|j                  d¬«      rŒ+g }|D ]Ò  }|j                  d«      xs |j                  d«      xs d}|sŒ.t        j                   j#                  ‰|«      }	|j                  d"«      xs |j                  d«      xs dj                  «       xs5 t        j                  j                  |j                  d«      d   «      xs d#}|j%                  d|	›d|›d�«       ŒÔ |s�Œd$t'        ‰'«      z  }
d%d&j-                  |«      z   d'z   ‰'|
<   |j)                  |
«       �ŒC |j                  d«      D ]å  }|j                  d«      xs |j                  d«      xs d}|sŒ.t        j                   j#                  ‰|«      }	|j                  d"«      xs |j                  d«      xs dj                  «       xs5 t        j                  j                  |j                  d«      d   «      xs d#}d$t'        ‰'«      z  }
d(|	›d|›d)�‰'|
<   |j)                  |
«       Œç t/        |«      } ˆ&ˆ'ˆfd*„}t        j                  d+|| t         j                  t         j                  z  ¬«      } t        rÍ	 t	        | d	«      }|j                  d«      D ]%  }d,D ]  }|j2                  j5                  |d-«       Œ  Œ' |j                  d.«      D ]h  }|j                  d¬«      sD|j7                  d/«      s3|j7                  d«      s"|j7                  d
«      s|j+                  «        ŒY|j9                  «        Œj t/        |«      } g Š(ˆ(fd0„}t        j                  d1| t         j                  «      rd2nd}d-}|| k7  r@| }t        j                  d3|| t         j                  t         j                  z  ¬«      } || k7  rŒ@t        j                  d'd4| t         j                  ¬«      } t        j                  d5d6| t         j                  ¬«      } t        j                  d7d| t         j                  ¬«      } g }| j                  d8«      D �]¼  }|j                  «       }|sŒt        j                  d9d|«      }t        j                  d:d|«      }|j;                  d;d«      j;                  d<d=«      }t        j                  d>d=|«      }t        j                  d?d|«      }t=        j>                  |«      }|j;                  d@d=«      j;                  dAd=«      }t        j                  dBd|«      }|sŒæt        j                  dC|«      rŒý‰'jA                  «       D ]  \  }}|j;                  ||«      }Œ tC        ‰(«      D ]  \  }}|j;                  dD|z  |«      }Œ t        j                  dE|t         j                  «      s*t        j                  dF|t         j                  «      rdG|z  }|j%                  |j                  «       «       �Œ¿ d8j-                  |«      }‰'jA                  «       D ]  \  }}|j;                  ||«      }Œ tC        ‰(«      D ]  \  }}|j;                  dD|z  |«      }Œ t        j                  dHd|«      }t=        j>                  |«      }t        j                  dId6|«      }t        j                  dJd8|«      }t        j                  d>d=|«      }tE        «       g }!} |j                  d8«      D ]W  }t        j                  dKdt        j                  d?d|«      «      }
|
r|
| v rŒ6| jG                  |
«       |!j%                  |«       ŒY d8j-                  |!«      j                  «       }g tE        «       }#}"‰&D ].  \  }$}%|$|#v rŒ|#jG                  |$«       |"j%                  |$|%f«       Œ0 |||"fS # t0        $ r Y �Œ‹w xY w# t0        $ r Y �Œ‰w xY w)LuR   æ­£æ–‡ HTML æ¸…æ´—ï¼šä¿�ç•™ <p>/<table>ï¼Œé™„ä»¶è½¬ <p><a>ç»�å¯¹URL</a></p> æ®µè�½r   r   z
<!--.*?-->)Úflagsz<meta[^>]*>z<script[^>]*>.*?</script>z<style[^>]*>.*?</style>u   ã€�å­—å�·ï¼š[^ã€‘]*ã€‘úhtml.parserÚaT©ÚhrefrG   Úappendixzdata-appendixz&\.(pdf|docx?|xlsx?|zip|rar|wps|et|ofd)z/module/download/ÚoldsrcÚOLDSRCz^(?:javascript:|mailto:|tel:|#)©r   Ú_titleÚtitleú?õ   é™„ä»¶z__ATTACH__%d__ú	<a href="ú" target="_blank">ú</a>ÚimgÚsrcz(icons?/|fileTypeImages/icon_)ÚpÚaltu   å›¾ç‰‡z__IMG__%d__z<p>z<br/>z</p>z<p><a href="z</a></p>c                 óÀ  •— | j                  d«      }t        j                  d|t        j                  «      r2|j	                  «       j                  d«      rdS | j                  d«      S | j                  d«      }t        j                  dd|«      }t        j                  |«      j                  «       }t        j                  dd|«      j                  «       }|s5t        j                  j                  |j                  d	«      d   «      xs d
}t        j                  j!                  ‰|«      }‰j#                  ||f«       dt%        ‰«      z  }d|›d|›d�‰|<   |S )Nr   z&^(?:javascript:|mailto:|tel:|s?ftp:|#)zjavascript:r   r   r%   r   u   ^é™„ä»¶[:ï¼š]\s*rN   rO   z__LINK__%d__rP   rQ   rR   )Úgroupr   ÚmatchÚIÚlowerÚ
startswithr   r   r   r   ÚosÚpathÚbasenameÚsplitÚurllibÚparseÚurljoinÚappendÚlen)	ÚmrG   ÚinnerÚtxtÚabs_urlÚkeyÚattachmentsÚlink_protectÚpage_urls	         €€€r   Ú
_link_replz html_to_text.<locals>._link_repl¤   s  ø€ Ø�w‰w�q‹zˆÜ�8‰8Ð=¸tÄRÇTÁTÔJØŸ™›×0Ñ0°Ô?�2ÐOÀQÇWÁWÈQÃZÐOØ—‘˜“
ˆÜ�f‰f�Z  UÓ+ˆÜ×Ñ Ó$×*Ñ*Ó,ˆÜ�f‰fÐ(¨"¨cÓ2×8Ñ8Ó:ˆÙÜ—'‘'×"Ñ" 4§:¡:¨c£?°1Ñ#5Ó6ÒB¸(ˆCÜ—,‘,×&Ñ& x°Ó6ˆØ×Ñ˜G S˜>Ô*Øœs <Ó0Ñ0‰ÚELÊcÐRˆ�SÑØˆ
r   z&<a\s[^>]*href="([^"]+)"[^>]*>(.*?)</a>)ÚstyleÚclassÚlangÚdirÚalignÚvalignÚwidthÚheightÚborderÚcellpaddingÚcellspacingNÚdivÚtablec                 óf   •— ‰j                  | j                  d«      «       dt        ‰«      dz
  z  S )Nr   ú__TBL__%d__r   )rd   rX   re   )rf   Útable_protects    €r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÉ   s.   ø€ Ø×Ñ˜QŸW™W Q›ZÔ(Ø¤ MÓ 2°QÑ 6Ñ7Ð7r   z<table[^>]*>r   z<table(?:(?!<table).)*?</table>z</p>

z	<br\s*/?>ú
z8</?(?:span|font|o:p|st1?:[a-z]+|strong|em|b|i|u)\b[^>]*>z

z(?<=>)\s*[\r\n\t]+\s*z\s*[\r\n\t]+\s*(?=<)úú	r   z	[ \t]{2,}r   õ   Â z&nbsp;z[\s\u200b\u200c\u200d\ufeff]+u“   ^[ã€�\[ï¼ˆ(]?\s*(?:è¿”å›žé¡¶éƒ¨|å›žåˆ°é¡¶éƒ¨|è¿”å›žåˆ—è¡¨|æ‰“å�°(?:æœ¬é¡µ)?|å…³é—­(?:çª—å�£)?|åˆ†äº«|æ‰«ä¸€æ‰«|ä¸Šä¸€ç¯‡|ä¸‹ä¸€ç¯‡)\s*[ã€‘\]ï¼‰)]?$r}   ú<p[ >]ú<a[ >]z	<p>%s</p>z __(?:LINK|TBL|IMG|ATTACH)__\d+__z[ \t]+\nz\n{3,}r   )$r   r   ÚSrZ   r   Úfind_allr1   Úsearchr   rY   Úget_textr]   r^   r_   r`   ra   rb   rc   rd   re   Úreplace_withÚ	decomposeÚjoinr7   r6   ÚattrsÚpopÚfindÚunwrapr   r   r   ÚitemsÚ	enumerateÚsetÚadd))Úcontentrm   Ú_souprE   rG   Ú_hrefÚ_oldsrcÚ	real_hrefrh   ri   rj   rS   rT   rU   ÚimgsÚsrcsrn   ÚtagÚattrÚdr   Ú	has_tableÚprevÚpartsÚblockÚbÚplainÚkÚvÚiÚtblÚoutÚseenÚfinalÚdedupÚseen_uÚur   rk   rl   r~   s)    `                                    @@@r   Úhtml_to_textr¯   ^   s„	  û€ áØ�1�bˆyÐÜ�f‰f�] B¨´r·t±tÔ<€GÜ�f‰f�^ R¨¼¿¹Ô=€GÜ�f‰fÐ1°2°wÄbÇdÁdÌRÏTÉTÁkÔR€GÜ�f‰fÐ/°°WÄBÇDÁDÌ2Ï4É4ÁKÔP€Gà€KØ€Lä�f‰fÐ.°°GÓ<€Gæð5	Ü! '¨=Ó9ˆEØ—^‘^ C¨d�^Ó3ó (�Ø˜‘y�Ø—E‘E˜*Ô%¨¯©¨Ô)?ÜŸ9™9Ð%NÐPTÔVX×VZÑVZÔ[Ø.°$Ò6à!šZ R×.Ñ.Ó0�EØ Ÿu™u X›ÒG°!·%±%¸³/ÒGÀR×NÑNÓP�GÙ¤R§X¡XÐ.PÐRWÔY[×Y]ÑY]Ô%^Ø$)™	à$+Ò$4¨u˜	ØŸ:™:¨D˜:Ó1ò T°Q·U±U¸8³_ò TÈÏÉÈgËò TÜ Ÿg™g×.Ñ.¨y¯©¸sÓ/CÀAÑ/FÓGòTØKSð ä$Ÿl™l×2Ñ2°8¸YÓG�GØ×&Ñ&¨° ~Ô6Ø*¬S°Ó->Ñ>‘CÚQXÒZ]Ð(^�L Ñ%Ø—N‘N 3Ö'ð%(ð& —~‘~ eÓ,ò $�Ø—w‘w˜u“~Ò@¨¯©°Ó):Ò@¸b�Ü—9‘9Ð>ÀÄRÇTÁTÕJØ—M‘M•Oð$ð —^‘^ CÓ(ó ,�Ø—z‘z %Ó(�Ú §
¡
° 
Õ 6Ø�DØ#ò \˜Ø!Ÿg™g e›nÒG°·±¸Ó0AÒGÀR˜Ù"Ø$Ü"(§,¡,×"6Ñ"6°xÀÓ"E˜Ø"Ÿw™w u›~ÒG°·±¸Ó1AÒGÀR×NÑNÓPò OÜ!Ÿw™w×/Ñ/°·	±	¸#³¸qÑ0AÓBòOØFNð àŸšÊWÒVYÐ$ZÕ[ð\ó Ø+¬c°,Ó.?Ñ?˜Ø,1°G·L±LÀÓ4FÑ,FÈÑ,O˜ SÑ)ØŸ™ sÖ+ð,ð  —~‘~ eÓ,ò 	&�Ø—g‘g˜e“nÒ?¨¯©°Ó(9Ò?¸R�ÙØÜ Ÿ,™,×.Ñ.¨x¸Ó=�Ø—w‘w˜u“~Ò?¨¯©°Ó)9Ò?¸R×FÑFÓHò GÜ—w‘w×'Ñ'¨¯	©	°#«°qÑ(9Ó:òGØ>Fð à#¤c¨,Ó&7Ñ7‘ÚT[Ò]`Ð$a�˜SÑ!Ø× Ñ  Õ%ð	&ô ˜%“jˆGöô �f‰fÐ>À
Ø¤B§D¡D¬2¯4©4¡Kô1€Gõ ð	Ü! '¨=Ó9ˆEØ—~‘~ dÓ+ò .�ðOò .�Dà—I‘I—M‘M $¨Õ-ñ.ð.ð —^‘^ EÓ*ò �Ø—z‘z¨�zÔ-°a·f±f¸W´oØ !§¡ u¤°a·f±f¸S´kØ—K‘K•Mà—H‘H•Jðô ˜%“jˆGð €Mô8ô —Y‘Y˜°¼¿¹Ô>‘ÀA€IØ€DØ
�'Š/ØˆÜ—&‘&Ð;¸YØ ¬¯©¬r¯t©t©ô5ˆð �'‹/ô
 �f‰f�W˜j¨'¼¿¹Ô>€GÜ�f‰f�\ 4¨¼¿¹Ô=€GÜ�f‰fÐPÐRTØ¤B§D¡Dô*€Gð €EØ—‘˜vÓ&ó  ˆØ�K‰K‹MˆÙØÜ�F‰FÐ+¨R°Ó3ˆÜ�F‰FÐ*¨B°Ó2ˆØ�I‰I�d˜BÓ×'Ñ'¨¨cÓ2ˆÜ�F‰F�<  aÓ(ˆÜ—‘�z 2 qÓ)ˆÜ×!Ñ! %Ó(ˆØ—‘˜f cÓ*×2Ñ2°8¸SÓAˆÜ—‘Ð7¸¸UÓCˆÙØä�8‰8ð  kð  mrô  sØØ ×&Ñ&Ó(ò 	 ‰DˆAˆqØ—	‘	˜!˜Q“‰Að	 ä Ó.ò 	2‰FˆAˆsØ—	‘	˜-¨!Ñ+¨SÓ1‰Að	2ä�y‰y˜ A¤r§t¡tÔ,´·±¸9ÀaÌÏÉÔ1NØ˜a‘ˆAØ�‰�Q—W‘W“YÖð/ ð2 �+‰+�eÓ
€CØ×"Ñ"Ó$ò  ‰ˆˆ1Ø�k‰k˜!˜QÓ‰ð ä˜MÓ*ò 2‰ˆˆ3Ø�k‰k˜-¨!Ñ+¨SÓ1‰ð2ô �&‰&Ð4°b¸#Ó
>€CÜ
×
Ñ
˜CÓ
 €CÜ
�&‰&�˜d CÓ
(€CÜ
�&‰&�˜F CÓ
(€CÜ
�&‰&�˜s CÓ
(€Cä“%˜ˆ%€DØ�Y‰Y�vÓò ˆÜ�f‰f�V˜R¤§¡¨
°B¸Ó!:Ó;ˆÙ�c˜T‘kØØ�‰�ŒØ�‰�Q�ðð �+‰+�eÓ
×
"Ñ
"Ó
$€Càœ›ˆ6€EØò ‰ˆˆ1Ø�‰;ØØ�
‰
�1ŒØ�‰�a˜�VÕð	ð �	˜5Ð Ð øô] ò 	Úð	ûôF ò 	Úð	úsG   Ã-A3k7 Å!F+k7 Ì:k7 Ík7 ÍCk7 Ð8E k7 Ö>Cl ë7	lìlì	lìlc                 ó  — g }t         s|S t        | d«      }|j                  dd¬«      }|s|S |j                  d«      D �]Ã  }|j                  dt        j                  d«      ¬«      }|sŒ-|j                  dd	¬
«      }|sŒC|j                  d«      xs dj                  «       }t        |j                  d«      xs |j                  dd	¬«      «      }	|	rt        |	«      dk  rŒ¦t        j                  d|«      sŒ½|j                  d«      r
t        |z   }n1|j                  d«      s t        j                  j                  ||«      }d}
|j                  dt        j                  d«      ¬«      }|r}t        j                  d|j                  d	¬«      «      }|rU|j!                  d«      ›d|j!                  d«      j#                  d«      ›d|j!                  d«      j#                  d«      ›�}
|j%                  ||	|
f«       �ŒÆ |S )NrD   r{   zzfxxgk-list©Úclass_ÚtrÚtdzzfxxgk-list-titlerE   TrF   rG   r   rM   r   rK   r%   z/doc_[0-9a-f]+\.htmlú/Úhttpzzfxxgk-list-timeú(\d{4})-(\d{1,2})-(\d{1,2})r   ú-r   )r   r�   r‡   r   Úcompiler1   r   r   r‰   re   rˆ   r\   ÚBASE_URLra   rb   rc   rX   Úzfillrd   )Ú	html_textrm   r‘   Úsoupr¨   r³   Útd_titlerE   rG   rM   ÚdateÚtd_timeÚdms                r   Ú
parse_listrÂ     s¼  € Ø€EÝØˆÜ˜ MÓ2€DØ
�)‰)�G Mˆ)Ó
2€CÙØˆØ�l‰l˜4Ó ó *ˆØ—7‘7˜4¬¯
©
Ð3GÓ(H�7ÓIˆÙØØ�M‰M˜# DˆMÓ)ˆÙØØ—‘�f“Ò# ×*Ñ*Ó,ˆÜ˜AŸE™E '›NÒI¨a¯j©j¸ÀD¨jÓ.IÓJˆÙœ˜E›
 QšØÜ�y‰yÐ0°$Ô7ØØ�?‰?˜3ÔÜ˜d‘?‰DØ—‘ Ô(Ü—<‘<×'Ñ'¨°$Ó7ˆDØˆØ—'‘'˜$¤r§z¡zÐ2EÓ'F�'ÓGˆÙÜ—‘Ð9¸7×;KÑ;KÐRVÐ;KÓ;WÓXˆBÙØ%'§X¡X¨a¥[°"·(±(¸1³+×2CÑ2CÀAÕ2FÈÏÉÐQRË×HYÑHYÐZ[ÔH\Ð]�Ø�‰�d˜E 4Ð(Ö)ð/*ð0 €Lr   c                 óê  — dx}x}}d }t         �r=	 t        | d«      }|j                  ddt        j                  dt        j                  «      i¬«      }|r|j                  d«      rt        |d   «      }|j                  ddt        j                  dt        j                  «      i¬«      }|r�|j                  d«      rpt        j                  d	|d   «      }|rU|j                  d
«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�}|s.|j                  d«      }	|	rt        |	j                  d¬«      «      }|s£|j                  dt        j                  d«      ¬«      }
|
r{t        j                  d|
j                  «       «      }|rU|j                  d
«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�}|j                  d¬«      xs |j                  d«      }|r"dj                  d„ |j                  D «       «      }|s�t        j                  d| t        j                  t        j                  z  «      }|ret        |j                  d
«      «      }t        j                   d|«      D �cg c]  }|j#                  «       sŒ|‘Œ }}|r|d   j#                  «       n|}|smt        j                  d| «      }|rU|j                  d
«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�}|||fS # t        $ r Y �Œw xY wc c}w )Nr   rD   ÚmetaÚnameÚArticleTitle)r�   r•   ÚPubDatez!(\d{4})[-/](\d{1,2})[-/](\d{1,2})r   r¸   r%   r   Úh1TrK   Úspanzdetails-release-dater±   r·   zdetails-content)Úidzdiv.details-contentc              3   ó2   K  — | ]  }t        |«      –— Œ y ­w)N)r7   )Ú.0Úcs     r   ú	<genexpr>zparse_detail.<locals>.<genexpr>O  s   è ø€ Ò&C°!¤s¨1§vÑ&Cùs   ‚z<title>(.*?)</title>z[-|]r   u'   (\d{4})[-å¹´/](\d{1,2})[-æœˆ/](\d{1,2}))r   r�   r   r¹   rZ   r1   r   rˆ   rX   r»   r‰   Ú
select_onerŒ   Úcontentsr6   r†   r`   r   )r¼   rm   rM   r¿   Úcontent_htmlr½   ÚmtÚmdrÁ   rÈ   ÚspÚelrf   r   rU   r¡   s                   r   Úparse_detailrÖ   5  s¾  € Ø"$Ð$€EÐ$ˆD�<Ø€DÞð	Ü  ¨MÓ:ˆDØ—‘˜6¨&´"·*±*¸_ÌbÏdÉdÓ2SÐ)T�ÓUˆBÙ�b—f‘f˜YÔ'Ü# B y¡MÓ2�Ø—‘˜6¨&´"·*±*¸ZÌÏÉÓ2NÐ)O�ÓPˆBÙ�b—f‘f˜YÔ'Ü—Y‘YÐCÀRÈ	Á]ÓS�ÙØ)+¯©°!­°b·h±h¸q³k×6GÑ6GÈÕ6JÈBÏHÉHÐUVËK×L]ÑL]Ð^_ÔL`Ða�DÙØ—Y‘Y˜t“_�ÙÜ'¨¯©¸$¨Ó(?Ó@�EÙØ—Y‘Y˜v¬b¯j©jÐ9PÓ.Q�YÓR�ÙÜŸ™Ð#AÀ2Ç;Á;Ã=ÓQ�BÙØ-/¯X©X°a­[¸"¿(¹(À1»+×:KÑ:KÈAÕ:NÐPR×PXÑPXÐYZÓP[×PaÑPaÐbcÔPdÐe˜Ø—‘Ð/�Ó0ÒZ°D·O±OÐDYÓ4ZˆBÙØ!Ÿw™wÑ&C°r·{±{Ô&CÓC�ñ Ü�I‰IÐ-¨y¼"¿$¹$ÄÇÁ¹+ÓFˆÙÜ˜AŸG™G A›JÓ'ˆAÜ "§¡¨°!Ó 4ÖB˜1¸¿¹½	’QÐBˆEÐBÙ(-�E˜!‘H—N‘NÔ$°1ˆEÙÜ�Y‰YÐAÀ9ÓMˆÙØ!#§¡¨!¥¨b¯h©h°q«k×.?Ñ.?ÀÕ.BÀBÇHÁHÈQÃK×DUÑDUÐVWÔDXÐYˆDØ�$˜Ð$Ð$øô ò 	Úð	üò Cs   ‘H<M  Ê9M0ËM0Í 	M-Í,M-c                  óü  — dd l } t        j                  j                  dt        j                  j                  t        j                  j                  t        «      «      «       ddlm	} t        dt        t        t        t        fz  d¬«       dx}x}}t        «       }g }g }t!        dt        dz   «      D �]a  }|dk(  rt"        }	ndt"        |t$        fz  }		 t'        |	«      }
|
st        d	|z  d¬«        �n$t+        |
|	«      }|st        d
|z  d¬«        �nt        d|t-        |«      fz  d¬«       |D �]²  \  }}}||v rŒ|j/                  |«       |r|t        k  r|dz  }Œ/t'        |«      }|s|dz  }ŒBt1        ||«      \  }}}|s|}|s|}t3        ||«      \  }}}t-        t5        j6                  dd|«      j9                  «       «      }t5        j:                  d|t4        j<                  «       xr+ t5        j:                  d|t4        j<                  «       xr | }|dk  s|rt        d|d d z  d¬«       |dz  }�Œt        ||||d|t>        dt@        |r-tC        jD                  |D ��cg c]
  \  }}||dœ‘Œ c}}d¬«      nddœ}tF        r|jI                  |«       n|jI                  |«       |dz  }t        d|d d |||rdndfz  d¬«       tK        jL                  d«       �Œµ tF        s|r ||t        ¬«       g }tK        jL                  d«       �Œd tF        rltO        tF        dd¬«      5 }|D ]+  }|jQ                  tC        jD                  |d¬«      d z   «       Œ- 	 d d d «       t        d!tF        t-        |«      fz  d¬«       n|r ||t        ¬«       t        d"|||fz  d¬«       t        d#t        z  d¬«       y # t(        $ r}t        d||fz  d¬«       Y d }~ ŒËd }~ww xY wc c}}w # 1 sw Y   Œ�xY w)$Nr   )Úpush_to_searchdbz"=== %s (%s) pages=%d cutoff=%s ===Tr'   r   z*%s?open=fdzdgknr&nr_page=%d&nr_per_page=%dzPage %d fetch error: %szPage %d: empty, stopzPage %d: no items, stopzPage %d: found %d itemsr   r   r„   r…   r   z  skip empty/placeholder: %sé(   )rM   r;   F)Úensure_ascii)Ú	site_nameÚ
source_urlr;   rM   Úpub_dateÚsummaryr•   ÚcategoryÚtagsÚ
group_namerk   u     + %s (%s, %då­—%s)é&   u   , è¡¨æ ¼gš™™™™™É?)Úbatch_labelg333333Ó?Úwr   )r4   r€   zJSONL written: %s (%d rows)u*   æ–°å¢ž: %d | è·³è¿‡: %d | CUTOFFæˆªæ–­: %dz=== %s done ===))r,   Úsysr^   Úinsertr]   ÚdirnameÚabspathÚ__file__Úcrawler_librØ   r:   Ú	SITE_NAMEÚSCRIPT_NAMEÚ_PAGESÚCUTOFFr“   r+   ÚLIST_URLÚPER_PAGErA   r6   rÂ   re   r”   rÖ   r¯   r   r   r   rˆ   rZ   ÚCATEGORYÚ
GROUP_NAMEÚjsonÚdumpsr   rd   r8   r9   ÚopenÚwrite)r,   rØ   Ú	new_countÚ
skip_countÚcutoff_countÚ	seen_urlsÚ
jsonl_rowsÚbatchÚpager;   r¼   r@   r‘   ri   rM   r¿   ÚdhtmlÚdtitleÚddaterÑ   r•   rŸ   ÚattsÚ	plain_lenÚno_parar®   r   ÚitemÚfÚrows                                 r   Úmainr  _  sÙ  € ÛÜ‡H�H‡O�O�A”r—w‘w—‘¤r§w¡w§¡´xÓ'@ÓAÔBÝ,ä	Ð
.´)¼[Ì&ÔRXÐ1YÑ
YØõð -.Ð-€IÐ-�
˜\Ü“€IØ€JØ€Eä�aœ !™Ó$ó >ˆØ�1Š9Ü‰Cà>Ä(ÈDÔRZÐA[Ñ[ˆCð	Ü˜c›
ˆIñ ÜÐ(¨4Ñ/°tÕ<ÚÜ˜9 cÓ*ˆÙÜÐ+¨dÑ2¸$Õ?ÚÜÐ'¨4´°U³Ð*<Ñ<ÀDÕIà$)ó '	Ñ ˆG�U˜DØ˜)Ñ#ØØ�M‰M˜'Ô"Ù˜œvšØ Ñ!�ØÜ˜'“NˆEÙØ˜a‘�
ØÜ*6°u¸gÓ*FÑ'ˆF�E˜<ÙØ�ÙØ�Ü'3°LÀ'Ó'JÑ$ˆG�Y ÜœBŸF™F :¨r°7Ó;×AÑAÓCÓDˆIÜŸ9™9 Y°¼¿¹Ó>Ð>ò UÜ!Ÿy™y¨°G¼R¿T¹TÓBÐBòUØKTÀ}ð à˜1Š}¡ÜÐ4°v¸c¸r°{ÑBÈ$ÕOØ˜a‘�
Ùä&°gÀgØ¨U¸rØ"´À"Ü(áVZô  $Ÿz™zØ8<×=±°°1˜q¨Ó+Ó=ÈEõ SØ`bñˆDõ Ø×!Ñ! $Õ'à—‘˜TÔ"Ø˜‰NˆIÜÐ(¨F°3°B¨K¸À	Ù9B©:Èð,Lñ LØSWõYä�J‰J�sŽOðO'	õP ™eÙ˜U´Õ<ØˆEÜ�
‰
�3Žð}>õ@ Ü”*˜c¨GÔ4ð 	D¸Ø!ò D�Ø—‘œŸ
™
 3°UÔ;¸dÑBÕCñD÷	Dô 	Ð+¬z¼3¸z»?Ð.KÑKÐSWÖXáÙ˜U´Õ<ä	Ð
6¸)ÀZÐQ]Ð9^Ñ
^ÐfjÕkÜ	Ð
œiÑ
'¨tÖ4øôG ò 	ÜÐ+¨t°Q¨iÑ7¸tÕDÝûð	üóT >÷ 	Dð 	Dús*   ÃOÉ+O,"Ì11O2Ï	O)ÏO$Ï$O)Ï2O;Ú__main__)é   )1Ú__doc__rå   r]   r   r8   ró   Úhtmlr   Úurllib.parsera   r   r   Úbs4r   ÚImportErrorÚenvironr1   r   r3   rë   rò   rì   rñ   rº   ÚCHANNEL_PATHrï   rð   ÚnowÚstrftimerî   r*   Ú
_MAX_PAGESr’   Úargvr§   rE   r\   Úintr`   Ú
ValueErrorre   rí   r   rA   r¯   rÂ   rÖ   r  Ú__name__© r   r   ú<module>r     s®  ðñ÷ ?× >× >Ó >ß (ðÝ!ð �Z‰Z�^‰^˜L¨"Ó-€
Ø€à?€	Ø€
Ø€Ø€Ø%€ðH€à�lÑ"€Ø€à
ˆ(�,‰,‹.™9¨'Ô2Ñ
2×	<Ñ	<¸ZÓ	H€ðCàOØ'Øñ€ð €
Ù�c—h‘hÓò 
�D€A€qØ‡|�|�JÔð	Ù˜QŸW™W S¨!›_¨QÑ/Ó0‰Jð 
ˆi‹˜A ™E¡C¨¯©£MÓ1ð	Ù˜SŸX™X a¨!¡e™_Ó-‰Jð
ð " Q’‰¨A€ò	óò&q!òh òF'%òTW5ðt ˆzÒÙ…Fð øðG ò ØƒMðûð> ò 	Ùð	ûð
 ò 	Ùð	ús5   ¨D< Â<E
Ã8EÄ<EÅEÅ
EÅEÅEÅE