Ë
    &Ãsjª:  ã                   óŒ  — 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
Z
dZdZdZdZdZddd	œZ	 dd
lmZ ej(                  j+                  dd«      Zej(                  j+                  dd«      ZdZddddœZdZdZ eej:                  «      D ]h  \  ZZejA                  d«      r	  e!ejE                  dd«      d   «      ZŒ4ejA                  d«      sŒFejE                  dd«      d   jI                  «       ZŒj edk\  rendZ%eev ree   Zd„ Z&d d„Z'd!d„Z(d„ Z)d„ Z*d„ Z+e,dk(  r e+«        yy# e$ r dZY Œþw xY w# e#$ r Y Œ³w xY w)"u€  
é˜œåº·å¸‚äººæ°‘æ”¿åºœ (fk.gov.cn) â€” API æ¨¡å¼�
åˆ—è¡¨: GET /content/page?channelIds={CH}&page=N&size=15&orderBy=27 â†’ JSON {code,data:{content:[{title,urlWhole,releaseTime}]}}
  CH=11699 é€šçŸ¥å…¬å‘Š / CH=12341 ç”Ÿæ€�çŽ¯å¢ƒ
è¯¦æƒ…: /p262/tzgg/20260731/452995.html æˆ– /c/fkrmzf/tzgg/xxx.jhtml, æ­£æ–‡ div.article-content
ç”¨æ³•: python3 crawl_fk_tzgg.py --channel=11699 --pages=5
é    Nzhttps://www.fk.gov.cnu   é˜œåº·å¸‚-é€šçŸ¥å…¬å‘Šu   æ–°ç–†zcrawl_fk_tzgg.pyu   çŽ¯è¯„å…¬ç¤ºu   é˜œåº·å¸‚-ç”Ÿæ€�çŽ¯å¢ƒ)Ú11699Ú12341)ÚBeautifulSoupÚDB_PATHz/mnt/data/search.dbÚ
JSONL_PATHÚ úutf-8zkMozilla/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-Languageé   r   z--pages=ú=z
--channel=c                 ó2  — | syt        j                  | «      } | j                  dd«      j                  dd«      j                  dd«      j                  dd«      } t        j                  dd| «      } t        j                  dd| «      } | j                  «       S )	Nr   u   â€‹u   â€Œu   â€�u   ï»¿u3   ^\s*(?:&middot;|Â·|\u00b7)?\s*(?:&nbsp;|\u00a0)?\s*ú\s+ú )Úhtml_libÚunescapeÚreplaceÚreÚsubÚstrip)Úts    ú"/root/gov_crawler/crawl_fk_tzgg.pyÚclean_titler   1   s‚   € ÙØÜ×Ñ˜!Ó€AØ	�	‰	�(˜BÓ×'Ñ'¨°"Ó5×=Ñ=¸hÈÓK×SÑSÐT\Ð^`Óa€AÜ
�‰ÐEÀrÈ1ÓM€AÜ
�‰ˆv�s˜AÓ€AØ�7‰7‹9Ðó    c                 óæ  — dd l }dd l}|j                  |j                  j                  «       t        t        «      }|r||d<   d }t        d«      D ]d  }	 |j                  | ||d¬«      }|j                  dk(  rt        |_        |j                  c S d|j                  z  }t        j                   d	«       Œf t#        d
| d d ›d|›�d¬«       y # t        $ r}	t        |	«      d d }Y d }	~	ŒJd }	~	ww xY w)Nr   ÚRefereré   F©ÚheadersÚtimeoutÚverifyéÈ   úHTTP %séP   é   z  [fetch fail] éZ   ú -> T©Úflush)ÚrequestsÚurllib3Údisable_warningsÚ
exceptionsÚInsecureRequestWarningÚdictÚHEADERSÚrangeÚgetÚstatus_codeÚENCÚencodingÚtextÚ	ExceptionÚstrÚtimeÚsleepÚprint)
ÚurlÚrefererr   r)   r*   ÚhÚlast_errÚ_ÚrÚes
             r   ÚfetchrB   ;   sÙ   € ßØ×Ñ˜W×/Ñ/×FÑFÔGÜŒW‹€AÙØˆˆ)‰Ø€HÜ�1‹Xò 	ˆð	#Ø—‘˜S¨!°WÀU�ÓKˆAØ�}‰} Ò#Ü �”
Ø—v‘v’Ø  1§=¡=Ñ0ˆHô 	�
‰
�1�ð	õ 
 s¨3¨B¢x±Ð
:À$ÕGØøô	 ò 	#Ü˜1“v˜c˜r�{�Hûð	#ús   Á:CÂCÃ	C0ÃC+Ã+C0c                 óî  — dd l }dd l}|j                  |j                  j                  «       dt
        | ||fz  }t        t        «      }d|d<   d }t        d«      D ]]  }	 |j                  ||dd¬«      }	|	j                  d	k(  r|	j                  «       c S d
|	j                  z  }t        j                  d«       Œ_ t!        d|d d ›d|›�d¬«       y # t        $ r}
t        |
«      d d }Y d }
~
ŒJd }
~
ww xY w)Nr   z8%s/content/page?channelIds=%s&page=%d&size=%d&orderBy=27zapplication/jsonr
   r   é   Fr   r!   r"   r#   r$   z  [api fail] r&   Tr'   )r)   r*   r+   r,   r-   ÚBASE_URLr.   r/   r0   r1   r2   Újsonr6   r7   r8   r9   r:   )ÚchannelÚpageÚsizer)   r*   r;   r=   r>   r?   r@   rA   s              r   Ú	fetch_apirJ   P   sç   € ßØ×Ñ˜W×/Ñ/×FÑFÔGØ
DÌÐRYÐ[_ÐaeÐGfÑ
f€CÜŒW‹€AØ$€A€h�KØ€HÜ�1‹Xò ˆð	#Ø—‘˜S¨!°RÀ�ÓFˆAØ�}‰} Ò#Ø—v‘v“x’Ø  1§=¡=Ñ0ˆHô 	�
‰
�1�ðõ 
 S¨¨"¢X©xÐ
8ÀÕEØøô	 ò 	#Ü˜1“v˜c˜r�{�Hûð	#ús   Á 3CÂCÃ	C4ÃC/Ã/C4c           
      ó4  ‡‡ ‡!‡"— | 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        j                  d	d| «      } t        �r‚	 t	        | d
«      }|j                  dd¬«      D �]>  }|j                  d«      sG|j                  d«      s6t        j                  d|j                  dd«      t         j                  «      sŒ\|d   }|j                  d«      xs |}|j                  d¬«      xsW |j                  d«      xsD |j                  d«      xs1 t        j                  j                  |j                  d«      d   «      }t        j                  j                  ‰|«      }‰ j!                  ||f«       dt#        ‰!«      z  }d|›d|›d�‰!|<   |j%                  |«       �ŒA |j                  d«      D ]_  }	|	j                  d«      xs |	j                  d«      xs d}
d|
j'                  «       v sd|
j'                  «       v sŒP|	j)                  «        Œa |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 �]8  }	|	j                  d«      xs |	j                  d«      xs d}
|
rd|
j'                  «       v rŒAt        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&}|	j.                  }|�!|j0                  dk(  rd}n|j.                  }|�Œ!|rd|›d|›d�‰!|<   nd'|›d|›d(�‰!|<   |	j%                  |«       �Œ; t3        |«      } t        j                  d)d*| t         j                  t         j                  z  ¬«      } ˆ ˆ!ˆfd+„}t        j                  d,|| t         j                  t         j                  z  ¬«      } t        rQ	 t	        | d
«      }|j                  d«      D ]%  }d-D ]  }|j6                  j9                  |d «       Œ  Œ' t3        |«      } g Š"ˆ!ˆ"fd.„}t        j                  d/| t         j                  «      rd0nd}t        j                  d1|| t         j                  t         j                  z  ¬«      } t        j                  d%d2| t         j                  ¬«      } t        j                  d3d4| t         j                  ¬«      } t        j                  d5d| t         j                  ¬«      } g }| j                  d6«      D �]}  }|j+                  «       }|sŒt        j                  d7d|«      }t        j                  d8d|«      }|j;                  d9d«      j;                  d:d;«      }t        j                  d<d;|«      }t        j                  d=d|«      }t=        j>                  |«      }|j;                  d>d;«      j;                  d?d;«      }t        j                  d@d|«      }|sŒæt        j                  dAd|t         j                  ¬«      }‰!jA                  «       D ]  \  }}|j;                  ||«      }Œ tC        ‰"«      D ]  \  }}|j;                  dB|z  |«      }Œ |j!                  |j+                  «       «       �Œ€ d6j-                  |«      }‰!jA                  «       D ]  \  }}|j;                  ||«      }Œ tC        ‰"«      D ]  \  }}|j;                  dB|z  |«      }Œ t        j                  dCd|«      }t        j                  dDd|«      }t        j                  dEd|«      }t        j                  dFd|«      }t=        j>                  |«      }t        j                  dGd4|«      }t        j                  dHd6|«      }t        j                  d<d;|«      }tE        «       }g }|j                  d6«      D ]X  }t        j                  dIdt        j                  d=d|«      «      }|sŒ2||v rŒ7|jG                  |«       |j!                  |«       ŒZ d6j-                  |«      j+                  «       }||‰ fS # t4        $ r Y �Œw xY w# t4        $ r Y �ŒCw xY w)JNr   r   z
<!--.*?-->©Úflagsz<meta[^>]*>z<script[^>]*>.*?</script>z<style[^>]*>.*?</style>u   ã€�å­—å�·ï¼š[^ã€‘]*ã€‘u'   å�‘å¸ƒ(?:æ—¶é—´|æ—¥æœŸ)[:ï¼š][^<]{0,30}úhtml.parserÚaT)ÚhrefÚappendixzdata-appendixz\.(pdf|docx?|xlsx?|zip|rar|wps)rP   Úoldsrc)r   Ú_titleÚtitleú?z__ATTACH__%d__ú	<a href="ú" target="_blank">ú</a>ÚimgÚsrczfileTypeImages/icon_ÚfiletypeimagesÚpÚaltu   å›¾ç‰‡z__IMG__%d__ú<p>z<br/>ú</p>Fz<p><a href="z</a></p>z&<a\s+name="OLE_LINK\d+"[^>]*>(.*?)</a>z\1c                 ó6  •— | j                  d«      }|j                  d«      ry| 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:r   r$   ú<[^>]+>u   ^é™„ä»¶[:ï¼š]\s*rU   r   u   é™„ä»¶z__LINK__%d__rV   rW   rX   )ÚgroupÚ
startswithr   r   r   r   r   ÚosÚpathÚbasenameÚsplitÚurllibÚparseÚurljoinÚappendÚlen)	ÚmrP   ÚinnerÚtxtÚabs_urlÚkeyÚattachmentsÚlink_protectÚpage_urls	         €€€r   Ú
_link_replz html_to_text.<locals>._link_replª   sç   ø€ Ø�w‰w�q‹zˆØ�?‰?˜=Ô)ØØ—‘˜“
ˆÜ�f‰f�Z  UÓ+ˆÜ×Ñ Ó$×*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cellspacingÚ
indenttextÚnoextractcontentÚwzadesÚtabindexc                 óZ  •— | j                  d«      }‰j                  «       D ]I  \  }}|j                  d«      sŒ|j                  ||j                  dd«      j                  dd«      «      }ŒK t	        j
                  dd|t        j                  ¬«      }t	        j
                  dd|t        j                  ¬«      }t	        j
                  d	d|t        j                  ¬«      }t	        j
                  d
d|t        j                  ¬«      }‰j                  |«       dt        ‰«      dz
  z  S )Nr   Ú__IMG__r^   r   r_   ú(</?(?:span|font|o:p|st1?:[a-z]+)\b[^>]*>rL   z<p>\s*(?:(?:\r?\n)\s*)*<p>z</p>\s*(?:(?:\r?\n)\s*)*</p>z<p>\s*(?:(?:\r?\n)\s*)*</p>ú__TBL__%d__r   )	rb   Úitemsrc   r   r   r   ÚIrk   rl   )rm   ÚtblÚkÚvrs   Útable_protects       €€r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÆ   sî   ø€ Ø�g‰g�a‹jˆØ ×&Ñ&Ó(ò 	O‰DˆAˆqØ�|‰|˜IÕ&Ø—k‘k ! Q§Y¡Y¨u°bÓ%9×%AÑ%AÀ&È"Ó%MÓN‘ð	Oô �f‰fÐ@À"ÀcÔQS×QUÑQUÔVˆÜ�f‰fÐ2°E¸3ÄbÇdÁdÔKˆÜ�f‰fÐ4°f¸cÌÏÉÔNˆÜ�f‰fÐ3°R¸ÄBÇDÁDÔIˆØ×Ñ˜SÔ!Ø¤ MÓ 2°QÑ 6Ñ7Ð7r   z<table[^>]*>r   z<table[^>]*>.*?</table>z</p>

z	<br\s*/?>ú
r‡   z

z(?<=>)\s*[\r\n\t]+\s*z\s*[\r\n\t]+\s*(?=<)úú	r   z	[ \t]{2,}ra   õ   Â z&nbsp;z[\s\u200b\u200c\u200d\ufeff]+z
<p>\s*</p>rˆ   z__LINK__\d+__z__TBL__\d+__z__IMG__\d+__z__ATTACH__\d+__z[ \t]+\nz\n{3,}r   )$r   r   ÚSrŠ   r   Úfind_allr1   ÚsearchÚget_textrd   re   rf   rg   rh   ri   rj   rk   rl   Úreplace_withÚlowerÚ	decomposer   ÚjoinÚparentÚnamer7   r6   ÚattrsÚpopr   r   r   r‰   Ú	enumerateÚsetÚadd)#Úcontentrt   Ú_souprO   rP   Ú	real_hrefro   rp   rq   rY   rZ   r\   ÚimgsÚsrcsÚhas_p_ancestorÚ_parru   ÚtagÚattrr�   Ú	has_tableÚpartsÚblockÚbÚplainrŒ   r�   Úir‹   ÚoutÚseenÚfinalrr   rs   rŽ   s#    `                              @@@r   Úhtml_to_textrµ   d   sR	  û€ ÙØ�1�bˆyÐÜ�f‰f�] B¨´r·t±tÔ<€GÜ�f‰f�^ R¨¼¿¹Ô=€GÜ�f‰fÐ1°2°wÄbÇdÁdÌRÏTÉTÁkÔR€GÜ�f‰fÐ/°°WÄBÇDÁDÌ2Ï4É4ÁKÔP€Gà€KØ€Lä�f‰fÐ.°°GÓ<€GÜ�f‰fÐ?ÀÀWÓM€Gæð3	Ü! '¨=Ó9ˆEØ—^‘^ C¨d�^Ó3ó 	(�Ø—5‘5˜Ô$¨¯©¨oÔ(>Ä"Ç)Á)ÐLnÐpq×puÑpuÐv|ð  Aó  qBô  DF÷  DHñ  DHõ  CIØ˜V™9�DØ !§¡ h£Ò 7°4�IØŸ*™*¨4˜*Ó0ò  C°A·E±E¸(³Oò  CÀqÇuÁuÈWÃ~ò  CÔY[×Y`ÑY`×YiÑYiÐjs×jyÑjyÐz}Ój~ð  @Añ  kBó  ZC�CÜ$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�Ø)¨S¯Y©Y«[Ñ8Ð<LÐPS×PYÑPYÓP[Ò<[Ø—M‘M•Oð$ð —^‘^ CÓ(ó ,�Ø—z‘z %Ó(�Ú §
¡
° 
Õ 6Ø�DØ#ò `˜Ø!Ÿg™g e›nÒG°·±¸Ó0AÒGÀR˜ÚÜ&,§l¡l×&:Ñ&:¸8ÀSÓ&I˜GØ#&§7¡7¨5£>Ò#K°S·W±W¸WÓ5EÒ#KÈ×"RÑ"RÓ"Tò  #HÔXZ×X_ÑX_×XhÑXhÐil×irÑirÐsvÓiwÐxyÑizÓX{ò  #Hð  @H˜CØ ŸKšKÒQXÒZ]Ð(^Õ_ð`ó Ø+¬c°,Ó.?Ñ?˜Ø,1°G·L±LÀÓ4FÑ,FÈÑ,O˜ SÑ)ØŸ™ sÖ+ð,ð —~‘~ eÓ,ó &�Ø—g‘g˜e“nÒ?¨¯©°Ó(9Ò?¸R�ÙÐ4¸¿	¹	»ÑCØÜ Ÿ,™,×.Ñ.¨x¸Ó=�Ø—w‘w˜u“~Ò?¨¯©°Ó)9Ò?¸R×FÑFÓHÒ{ÌBÏGÉG×L\ÑL\Ð]`×]fÑ]fÐgjÓ]kÐlmÑ]nÓLoÒ{Ðs{�Ø#¤c¨,Ó&7Ñ7�Ø!&�Ø—z‘z�ØÐ&Ø—y‘y CÒ'Ø)-˜ØØŸ;™;�Dð	 Ñ&ò
 "ÚQXÒZ]Ð(^�L Ò%ð "ò Y`ÒadÐ(e�L Ñ%Ø× Ñ  Ö%ð%&ô& ˜%“jˆGô �f‰fÐ>ÀÀwÔVX×VZÑVZÔ]_×]aÑ]aÑVaÔb€Göô �f‰fÐ>À
ÈGÔ[]×[_Ñ[_Ôbd×bfÑbfÑ[fÔg€Gåð	Ü! '¨=Ó9ˆEØ—~‘~ dÓ+ò .�ð Dò .�DØ—I‘I—M‘M $¨Õ-ñ.ð.ô ˜%“jˆGð €Mõ
8ô —Y‘Y˜°¼¿¹Ô>‘ÀA€IÜ�f‰fÐ/°¸GÌ2Ï4É4ÔRT×RVÑRVÉ;ÔW€Gä�f‰f�W˜j¨'¼¿¹Ô>€GÜ�f‰f�\ 4¨¼¿¹Ô=€GÜ�f‰fÐ@À"ÀgÔUW×UYÑUYÔZ€Gà€EØ—‘˜vÓ&ó  ˆØ�K‰K‹MˆÙØÜ�F‰FÐ+¨R°Ó3ˆÜ�F‰FÐ*¨B°Ó2ˆØ�I‰I�d˜BÓ×'Ñ'¨¨cÓ2ˆÜ�F‰F�<  aÓ(ˆÜ—‘�z 2 qÓ)ˆÜ×!Ñ! %Ó(ˆØ—‘˜f cÓ*×2Ñ2°8¸SÓAˆÜ—‘Ð7¸¸UÓCˆÙØÜ�F‰F�= " a¬r¯t©tÔ4ˆØ ×&Ñ&Ó(ò 	 ‰DˆAˆqØ—	‘	˜!˜Q“‰Að	 ä Ó.ò 	2‰FˆAˆsØ—	‘	˜-¨!Ñ+¨SÓ1‰Að	2à�‰�Q—W‘W“YÖð' ð* �+‰+�eÓ
€CØ×"Ñ"Ó$ò  ‰ˆˆ1Ø�k‰k˜!˜QÓ‰ð ä˜MÓ*ò 2‰ˆˆ3Ø�k‰k˜-¨!Ñ+¨SÓ1‰ð2ô �&‰&Ð! 2 sÓ
+€CÜ
�&‰&� " cÓ
*€CÜ
�&‰&� " cÓ
*€CÜ
�&‰&Ð# R¨Ó
-€Cä
×
Ñ
˜CÓ
 €CÜ
�&‰&�˜d CÓ
(€CÜ
�&‰&�˜F CÓ
(€CÜ
�&‰&�˜s CÓ
(€Cä‹5€DØ€EØ�Y‰Y�vÓò ˆÜ�f‰f�V˜R¤§¡¨
°B¸Ó!:Ó;ˆÙØØ�$‰;ØØ�‰�ŒØ�‰�Q�ðð �+‰+�eÓ
×
"Ñ
"Ó
$€Cà�	˜;Ð&Ð&øôK ò 	Úð	ûô: ò 	Úð	úsS   ÄA:i: Å?Ei: Ë:i: Ìi: Ì1i: ÍB)i: Ï1Ei: Õ:i: ØAj
 é:	jêjê
	jêjc                 óØ  — d}d}d}t        j                  d| «      }|rt        |j                  d«      «      }|sRt        j                  d| t         j                  t         j
                  z  «      }|rt        |j                  d«      «      }t        j                  d| «      }|rU|j                  d«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�}t        rgt        | d	«      }|j                  d
«      xs$ |j                  d«      xs |j                  d«      }|r"dj                  d„ |j                  D «       «      }|||fS )Nr   z)<meta name="ArticleTitle" content="(.*?)"r   z<title>(.*?)</title>u'   (\d{4})[-å¹´/](\d{1,2})[-æœˆ/](\d{1,2})ú-r$   r   rN   zdiv.article-contentzdiv.contentzdiv#zoomc              3   ó2   K  — | ]  }t        |«      –— Œ y ­w)N)r7   )Ú.0Úcs     r   ú	<genexpr>zparse_detail.<locals>.<genexpr>  s   è ø€ Ò"?¨a¤3 q§6Ñ"?ùs   ‚)r   r–   r   rb   r”   rŠ   Úzfillr   Ú
select_oner›   Úcontents)	Ú	html_textrt   rT   ÚdateÚcontent_htmlrm   ÚdmÚsoupÚels	            r   Úparse_detailrÅ     s#  € Ø€EØ€DØ€LÜ
�	‰	Ð>À	ÓJ€AÙÜ˜AŸG™G A›JÓ'ˆÙÜ�I‰IÐ-¨y¼"¿$¹$ÄÇÁ¹+ÓFˆÙÜ §¡¨£
Ó+ˆEÜ	�‰Ð=¸yÓ	I€BÙ	ØŸX™X a�[¨"¯(©(°1«+×*;Ñ*;¸AÕ*>ÀÇÁÈÃ×@QÑ@QÐRSÔ@TÐUˆÝÜ˜Y¨Ó6ˆØ�_‰_Ð2Ó3Òt°t·±À}Ó7UÒtÐY]×YhÑYhÐisÓYtˆÙØŸ7™7Ñ"?°2·;±;Ô"?Ó?ˆLØ�$˜Ð$Ð$r   c                  óÌ  — d} d}t        «       }g }g }d}|t        k  �rt        t        |«      }|r|j	                  d«      dk7  rt        d|z  d¬«       �nà|j	                  di «      }|j	                  d	«      xs g }|st        d
|z  d¬«       �n¥|j	                  d«      xs |j	                  d«      xs d}	t        d|t        |«      |	fz  d¬«       |D �]6  }
|
j	                  d«      xs |
j	                  d«      xs d}t        |
j	                  dd«      «      }|
j	                  d«      xs dd d }|r|sŒd|j                  d«      s$t        j                  j                  t        |«      }||v rŒž|j                  |«       t        |«      }|s|dz  }ŒÂt        ||«      \  }}}|s|}|s|}t!        ||«      \  }}}t        t#        j$                  dd|«      j'                  «       «      }t#        j(                  d|t"        j*                  «       xr+ t#        j(                  d|t"        j*                  «       xr | }|dk  s|rt        d|d d z  d¬«       |dz  }�ŒŒt,        ||||d|t.        dt0        |rdj3                  d„ |D «       «      nddœ}t4        r/|j7                  |«       t        d|d d ›d|›d�d¬«       | dz  } �Œõ|j7                  |«       | dz  } t        d |d d ›d|›d�d¬«       t9        j:                  d!«       �Œ9 |dz  }t9        j:                  d"«       |t        k  r�Œt4        rlt=        t4        d#d$¬%«      5 }|D ]+  }|j?                  tA        jB                  |d&¬'«      d(z   «       Œ- 	 d d d «       t        d)t4        t        |«      fz  d¬«       nt|rrtD        jF                  jI                  dtJ        jF                  jM                  tJ        jF                  jO                  tP        «      «      «       dd*l)m*}  ||tV        ¬+«       t        d,| z  d¬«       t        d-|z  d¬«       t        d.t,        ›d/t        ›d0�d¬«       y # 1 sw Y   ŒÚxY w)1Nr   r   Úcoder!   zPage %d: api fail, stopTr'   Údatar£   zPage %d: empty, stopÚtotalElementsÚtotalzPage %d: %d items (total %s)ÚurlWholer;   r   rT   ÚreleaseTimeé
   Úhttpra   z<p[ >]z<a[ >]z  skip empty/placeholder: %sé(   z; c              3   ó0   K  — | ]  \  }}|›d |›�–— Œ y­w)ú|N© )r¹   Úur   s      r   r»   zmain.<locals>.<genexpr>V  s   è ø€ Ò(K¹d¸aÀ²A±qÔ)9Ñ(Kùs   ‚)Ú	site_nameÚ
source_urlr;   rT   Úpub_dateÚsummaryr£   ÚcategoryÚtagsÚ
group_namerr   z
  JSONL + z (ú)z  + g      Ð?g      à?Úwr	   )r4   F)Úensure_asciir�   zJSONL written: %s (%d rows))Úpush_to_searchdb)Úbatch_labelu
   æ–°å¢ž: %du
   è·³è¿‡: %dz=== z done (channel=z) ===),r¡   Ú_PAGESrJ   Ú_CHANNELr1   r:   rl   r   rc   rh   ri   rj   rE   r¢   rB   rÅ   rµ   r   r   r   r–   rŠ   Ú	SITE_NAMEÚCATEGORYÚ
GROUP_NAMEr›   r   rk   r8   r9   ÚopenÚwriterF   ÚdumpsÚsysre   Úinsertrd   ÚdirnameÚabspathÚ__file__Úcrawler_librÞ   ÚSCRIPT_NAME)Ú	new_countÚ
skip_countÚ	seen_urlsÚ
jsonl_rowsÚbatchrH   ÚjrÈ   r‰   rÊ   Úitr;   rT   rÀ   ÚdhtmlÚdtitleÚddaterÁ   r£   r¬   ÚattsÚ	plain_lenÚno_paraÚitemÚfÚrowrÞ   s                              r   Úmainrÿ   #  sé  € Ø€IØ€JÜ“€IØ€JØ€EØ€DØ
”&‹.Ü”h Ó%ˆÙ�A—E‘E˜&“M SÒ(ÜÐ+¨dÑ2¸$Õ?ÙØ�u‰u�V˜RÓ ˆØ—‘˜Ó#Ò) rˆÙÜÐ(¨4Ñ/°tÕ<ÙØ—‘˜Ó)ÒC¨T¯X©X°gÓ->ÒCÀ!ˆÜÐ,°´c¸%³jÀ%Ð/HÑHÐPTÕUØó *	ˆBØ—&‘&˜Ó$Ò;¨¯©¨u«Ò;¸ˆCÜ §¡ w°Ó 3Ó4ˆEØ—F‘F˜=Ó)Ò/¨R°°"Ð5ˆDÙ™eØØ—>‘> &Ô)Ü—l‘l×*Ñ*¬8°SÓ9�Ø�iÑØØ�M‰M˜#ÔÜ˜#“JˆEÙØ˜a‘�
ØÜ*6°u¸cÓ*BÑ'ˆF�E˜<ÙØ�ÙØ�Ü'3°LÀ#Ó'FÑ$ˆG�Y ÜœBŸF™F :¨r°7Ó;×AÑAÓCÓDˆIÜŸ)™) I¨w¼¿¹Ó=Ð=Ò{ÄbÇiÁiÐPYÐ[bÔdf×dhÑdhÓFiÐBiÒ{Ðr{Ðn{ˆGØ˜2Š~¡ÜÐ4°v¸c¸r°{ÑBÈ$ÕOØ˜a‘�
Ùä&°cÀ#Ø¨U¸rØ"´À"Ü(ÙOS˜tŸy™yÑ(KÀdÔ(KÔKÐY[ñˆDõ Ø×!Ñ! $Ô'Ý¨V°C°Rª[º%Ð@ÈÕMØ˜Q‘�	ÙØ�L‰L˜ÔØ˜‰NˆIÝ 6¨#¨2¢;²Ð6¸dÕCÜ�J‰J�tÖðU*	ðV 	�‰	ˆÜ�
‰
�3Œðq ”&Œ.õt Ü”*˜c¨GÔ4ð 	D¸Ø!ò D�Ø—‘œŸ
™
 3°UÔ;¸dÑBÕCñD÷	Dô 	Ð+¬z¼3¸z»?Ð.KÑKÐSWÖXáÜ�H‰H�O‰O˜AœrŸw™wŸ™¬r¯w©w¯©¼xÓ/HÓIÔJÝ4Ù˜U´Õ<ä	ˆ,˜Ñ
"¨$Õ/Ü	ˆ,˜Ñ
#¨4Õ0Ý	®I¶xÐ
@ÈÖM÷	Dð 	Dús   Í1QÑQ#Ú__main__)NrD   )é   )-Ú__doc__rè   rd   r   r8   Úhtmlr   Úurllib.parserh   Úsqlite3rF   rE   râ   rä   rî   rã   ÚCHANNEL_IDSÚbs4r   ÚImportErrorÚenvironr1   r   r   r3   r/   Ú
_MAX_PAGESrá   r    Úargvr±   rO   rc   Úintrg   Ú
ValueErrorr   rà   r   rB   rJ   rµ   rÅ   rÿ   Ú__name__rÒ   r   r   ú<module>r     s‡  ðñ÷ H× G× G× Gà"€Ø$€	Ø€
Ø €Ø€Ø0Ð;SÑT€ðÝ!ð �*‰*�.‰.˜Ð$9Ó
:€Ø�Z‰Z�^‰^˜L¨"Ó-€
Ø€ð @ØOØ'ñ€ð €
Ø€Ù�c—h‘hÓò .�D€A€qØ‡|�|�JÔð	Ù˜QŸW™W S¨!›_¨QÑ/Ó0‰Jð 
�‰�lÕ	#Ø—7‘7˜3 “? 1Ñ%×+Ñ+Ó-‰ð.ð " Q’‰¨A€Øˆ{ÑØ˜HÑ%€Iòóó*ò(f'òR%ò,NNðb ˆzÒÙ…Fð øð
 ò Ø‚Mðûð& ò 	Ùð	ús#   ³D. Â'D;Ä.D8Ä7D8Ä;EÅE