Ë
    ¸¬uj»8  ã                   óò  — 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dlmZ dZdZdZdZdZd	Zej(                  j+                  d
d«      Zej(                  j+                  dd«      ZdZdZdZ ej6                  dej8                  ej:                  z  «      ZddddœZdZ  e!ejD                  «      D ]k  \  Z#Z$e$jK                  d«      r	  e&e$jO                  dd«      d   «      Z Œ4e$dk(  sŒ:e#dz    e)ejD                  «      k  sŒS	  e&ejD                  e#dz      «      Z Œm e dk\  re ndZ*d„ Z+d„ Z,d„ Z-d„ Z.d„ Z/d„ Z0d „ Z1d!„ Z2e3d"k(  r e2«        yy# e$ r dZY �Œ5w xY w# e($ r Y Œ²w xY w# e($ r Y Œ½w xY w)#uA  
crawl_huichang_gsgg.py - ä¼šæ˜ŒåŽ¿ä¿¡æ�¯å…¬å¼€-å…¬ç¤ºå…¬å‘Š
https://www.huichang.gov.cn/hcxxxgk/hc33/xxgk_list.shtml
åˆ—è¡¨: ul.pageList.newsList > li
  <li><a href="/hcxxxgk/hc33/{YYYYMM}/{hash}.shtml" title="å®Œæ•´æ ‡é¢˜">æ ‡é¢˜</a><span class="time">2026-04-13</span></li>
åˆ†é¡µ: createPageHTML('page_div', 2, 1, 'xxgk_list', 'shtml', 27) â†’ xxgk_list_{N}.shtml (å…±2é¡µ27æ�¡)
è¯¦æƒ…: meta ArticleTitle + meta PubDate (YYYY-MM-DD HH:MM:SS)
  æ­£æ–‡: div.article-content-body#zoomcon (å†…å�« UCAPCONTENT Word å®¹å™¨)
  é™„ä»¶: æ­£æ–‡å†… <a href="...pdf/doc/xls"> (è‹¥æœ‰)
é    N)ÚBeautifulSoupzhttps://www.huichang.gov.cnz8https://www.huichang.gov.cn/hcxxxgk/hc33/xxgk_list.shtmlz?https://www.huichang.gov.cn/hcxxxgk/hc33/xxgk_list_{page}.shtmlu   ä¼šæ˜ŒåŽ¿-å…¬ç¤ºå…¬å‘Šu   æ±Ÿè¥¿zcrawl_huichang_gsgg.pyÚDB_PATHz/mnt/data/search.dbÚ
JSONL_PATHÚ úutf-8zmeta:ArticleTitlezdiv.article-content-bodyz‹<li><a[^>]*href="(/hcxxxgk/hc33/\d{6}/[a-f0-9]+\.shtml)"[^>]*title="([^"]*)"[^>]*>.*?</a><span class="time">(\d{4}-\d{2}-\d{2})</span></li>zkMozilla/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   z--pages=ú=z--pagesc                 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_huichang_gsgg.pyÚclean_titler   B   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                 óœ   — |dk(  rt         nt        j                  |¬«      }| j                  |t        dd¬«      }d|_        |j                  S )Nr	   )Úpageé   F©ÚheadersÚtimeoutÚverifyr   )ÚLIST_URL_P1ÚLIST_URL_PNÚformatÚgetÚHEADERSÚencodingÚtext)Úsessionr   ÚurlÚrs       r   Ú
fetch_listr)   L   sC   € Ø š�+¬×(:Ñ(:ÀÐ(:Ó(E€CØ�‰�C¤°"¸UˆÓC€AØ€A„JØ�6‰6€Mr   c                 óH  — g }t         j                  | «      D ]‡  }|j                  d«      }t        |j                  d«      «      }|j                  d«      }|rt	        |«      dk  rŒPt
        j                  j                  t        |«      }|j                  |||f«       Œ‰ |S )Nr	   é   é   é   )
ÚLIST_ITEM_REÚfinditerÚgroupr   ÚlenÚurllibÚparseÚurljoinr   Úappend)Ú	html_textÚitemsÚmÚhrefÚtitleÚdateÚabs_urls          r   Ú
parse_listr=   S   s�   € Ø€EÜ×"Ñ" 9Ó-ò -ˆØ�w‰w�q‹zˆÜ˜AŸG™G A›JÓ'ˆØ�w‰w�q‹zˆÙœ˜E›
 QšØÜ—,‘,×&Ñ&¤{°DÓ9ˆØ�‰�g˜u dÐ+Õ,ð-ð €Lr   c           	      óš  — d}d}d}t         �rUt        | d«      }t        j                  d«      rqt        j                  dd«      d   }|j	                  ddt        j                  |t
        j                  «      i¬«      }|r|j                  d	«      rt        |d	   «      }|j	                  ddt        j                  d
t
        j                  «      i¬«      }|rK|j                  d	«      r:t        j                  d|d	   j                  «       «      }	|	r|	j                  d«      }t        r9|j                  t        «      }
|
r"dj                  d„ |
j                   D «       «      }|sct        j"                  d| «      }	|	rK|	j                  d«      › dt%        |	j                  d«      «      d›dt%        |	j                  d«      «      d›�}|||fS )Nr   úhtml.parserzmeta:ú:r	   ÚmetaÚname)ÚattrsÚcontentzPubDate|publishdatez(\d{4}-\d{2}-\d{2})c              3   ó2   K  — | ]  }t        |«      –— Œ y ­w)N)Ústr)Ú.0Úcs     r   ú	<genexpr>zparse_detail.<locals>.<genexpr>s   s   è ø€ Ò&C°!¤s¨1§vÑ&Cùs   ‚u'   (\d{4})[-å¹´/](\d{1,2})[-æœˆ/](\d{1,2})ú-r+   Ú02dr,   )r   ÚDTITLE_MODEÚ
startswithÚsplitÚfindr   ÚcompileÚIr"   r   Úmatchr   r0   ÚDCONTENT_SELÚ
select_oneÚjoinÚcontentsÚsearchÚint)r6   Úpage_urlr:   r;   Úcontent_htmlÚsouprB   ÚmtÚmdÚdmÚels              r   Úparse_detailr`   `   s{  € Ø€EØ€DØ€LÞÜ˜Y¨Ó6ˆÜ×!Ñ! 'Ô*Ü×$Ñ$ S¨!Ó,¨QÑ/ˆDØ—‘˜6¨&´"·*±*¸TÄ2Ç4Á4Ó2HÐ)I�ÓJˆBÙ�b—f‘f˜YÔ'Ü# B y¡MÓ2�Ø�Y‰Y�v f¬b¯j©jÐ9OÔQS×QUÑQUÓ.VÐ%WˆYÓXˆÙ�"—&‘&˜Ô#Ü—‘Ð0°"°Y±-×2EÑ2EÓ2GÓHˆBÙØ—x‘x “{�ÝØ—‘¤Ó.ˆBÙØ!Ÿw™wÑ&C°r·{±{Ô&CÓC�ÙÜ�Y‰YÐAÀ9ÓMˆÙØ—h‘h˜q“k�] !¤C¨¯©°«Ó$4°SÐ#9¸¼3¸r¿x¹xÈ»{Ó;KÈCÐ:PÐQˆDØ�$˜Ð$Ð$r   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        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#        ‰«      › d�}d|› d|› d�‰|<   |j%                  |«       �ŒB |j                  d«      D �]  }	|	j                  d«      }
|
sŒ|	j                  d¬«      rŒ+g }|
D ]˜  }|j                  d«      xs |j                  d«      xs d}|sŒ.t        j                  j                  ‰|«      }|j!                  d|› dt        j                  j                  |j                  d«      d   «      xs d› d�«       Œš |sŒÍd t#        ‰«      › d�}d!d"j'                  |«      z   d#z   ‰|<   |	j%                  |«       �Œ	 t)        |«      } ˆˆˆfd$„}t        j                  d%|| t         j                  t         j                  z  ¬«      } t        rQ	 t	        | d
«      }|j                  d«      D ]%  }d&D ]  }|j,                  j/                  |d «       Œ  Œ' t)        |«      } g Š ˆ fd'„}t        j                  d(| t         j                  «      rd)nd}t        j                  d*|| t         j                  t         j                  z  ¬«      } t        j                  d#d+| t         j                  ¬«      } t        j                  d,d-| t         j                  ¬«      } t        j                  d.d| t         j                  ¬«      } g }| j                  d/«      D �]W  }|j1                  «       }|sŒt        j                  d0d|«      }t        j                  d1d|«      }|j3                  d2d«      j3                  d3d4«      }t        j                  d5d4|«      }t        j                  d6d|«      }t5        j6                  |«      }|j3                  d7d4«      j3                  d8d4«      }t        j                  d9d|«      }|sŒæ‰j9                  «       D ]  \  }}|j3                  ||«      }Œ t;        ‰ «      D ]  \  }}|j3                  d:|› d�|«      }Œ |j!                  |j1                  «       «       �ŒZ d/j'                  |«      }‰j9                  «       D ]  \  }}|j3                  ||«      }Œ t;        ‰ «      D ]  \  }}|j3                  d:|› d�|«      }Œ t        j                  d;d|«      }t        j                  d<d|«      }t        j                  d=d|«      }t        j                  d>d|«      }t5        j6                  |«      }t        j                  d?d-|«      }t        j                  d@d/|«      }t        j                  d5d4|«      }t=        «       }g }|j                  d/«      D ]X  }	t        j                  dAdt        j                  d6d|	«      «      }|sŒ2||v rŒ7|j?                  |«       |j!                  |	«       ŒZ d/j'                  |«      j1                  «       }||‰fS # t*        $ r Y �Œ£w xY w# t*        $ r Y �Œw xY w)BNr   r   z
<!--.*?-->)Úflagsz<meta[^>]*>z<script[^>]*>.*?</script>z<style[^>]*>.*?</style>u   ã€�å­—å�·ï¼š[^ã€‘]*ã€‘u'   å�‘å¸ƒ(?:æ—¶é—´|æ—¥æœŸ)[:ï¼š][^<]{0,30}r?   ÚaT)r9   Úappendixzdata-appendixz\.(pdf|docx?|xlsx?|zip|rar|wps)r9   Úoldsrc)r   Ú_titler:   ú?Ú
__ATTACH__Ú__ú	<a href="ú" target="_blank">ú</a>ÚpÚimgÚsrcu   å›¾ç‰‡Ú__IMG__z<p>z<br/>z</p>c                 ó8  •— | j                  d«      }|j                  d«      ry| j                  d«      }t        j                  dd|«      }t	        j
                  |«      j                  «       }t        j                  dd|«      j                  «       }|s5t        j                  j                  |j                  d«      d   «      xs d	}t        j                  j                  ‰|«      }‰j                  ||f«       d
t        ‰«      › d�}d|› d|› d�‰|<   |S )Nr	   zjavascript:r   r+   ú<[^>]+>u   ^é™„ä»¶[:ï¼š]\s*rg   r   u   é™„ä»¶Ú__LINK__ri   rj   rk   rl   )r0   rM   r   r   r   r   r   ÚosÚpathÚbasenamerN   r2   r3   r4   r5   r1   )	r8   r9   ÚinnerÚtxtr<   ÚkeyÚattachmentsÚlink_protectrY   s	         €€€r   Ú
_link_replz html_to_text.<locals>._link_repl¨   s÷   ø€ Ø�w‰w�q‹zˆØ�?‰?˜=Ô)ØØ—‘˜“
ˆÜ�f‰f�Z  UÓ+ˆÜ×Ñ Ó$×*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œ˜\Ó*Ð+¨2Ð.ˆØ'¨ yÐ0BÀ3À%ÀtÐLˆ�SÑØˆ
r   z&<a\s[^>]*href="([^"]+)"[^>]*>(.*?)</a>)ÚstyleÚclassÚlangÚdirÚalignÚvalignÚwidthÚheightÚborderÚcellpaddingÚcellspacingc                 óh   •— ‰j                  | j                  d«      «       dt        ‰«      dz
  › d�S )Nr   Ú__TBL__r	   ri   )r5   r0   r1   )r8   Útable_protects    €r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÄ   s3   ø€ Ø×Ñ˜QŸW™W Q›ZÔ(Øœ˜]Ó+¨AÑ-Ð.¨bÐ1Ð1r   z<table[^>]*>r	   z<table[^>]*>.*?</table>z</p>

z	<br\s*/?>ú
z4</?(?:span|font|o:p|st1?:[a-z]+|ucapcontent)\b[^>]*>z

z(?<=>)\s*[\r\n\t]+\s*z\s*[\r\n\t]+\s*(?=<)úú	r   z	[ \t]{2,}rr   õ   Â z&nbsp;z[\s\u200b\u200c\u200d\ufeff]+r‰   z__LINK__\d+__z__TBL__\d+__z__IMG__\d+__z__ATTACH__\d+__z[ \t]+\nz\n{3,}r   ) r   r   ÚSrQ   r   Úfind_allr"   rW   Úget_textrt   ru   rv   rN   r2   r3   r4   r5   r1   Úreplace_withrU   rF   Ú	ExceptionrC   Úpopr   r   r   r   r7   Ú	enumerateÚsetÚadd)!rD   rY   Ú_souprc   r9   Ú	real_hrefrx   r<   ry   rm   ÚimgsÚsrcsrn   ro   r|   ÚtagÚattrr‹   Ú	has_tableÚpartsÚblockÚbÚplainÚkÚvÚiÚtblÚoutÚseenÚfinalrz   r{   rŠ   s!    `                            @@@r   Úhtml_to_textr«   {   se  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	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'8Ð&9¸Ð<�Cà*3°G°9Ð<NÈsÈeÐSWÐ(X�L Ñ%Ø—N‘N 3Ö'ð
(ð —^‘^ CÓ(ó ,�Ø—z‘z %Ó(�Ú §
¡
° 
Õ 6Ø�DØ#ò F˜Ø!Ÿg™g e›nÒG°·±¸Ó0AÒGÀR˜ÚÜ&,§l¡l×&:Ñ&:¸8ÀSÓ&I˜GØ ŸK™K¨)°G°9Ð<NÌrÏwÉw×O_ÑO_Ð`c×`iÑ`iÐjmÓ`nÐopÑ`qÓOrÒO~Ðv~ÐNð  @Dð  )Eõ  Fð	Fò
 Ø '¬¨LÓ(9Ð':¸"Ð=˜Ø,1°G·L±LÀÓ4FÑ,FÈÑ,O˜ SÑ)ØŸ™ sÖ+ð,ô ˜%“jˆGöô �f‰fÐ>À
ÈGÔ[]×[_Ñ[_Ôbd×bfÑbfÑ[fÔg€Gåð	Ü! '¨=Ó9ˆEØ—~‘~ dÓ+ò .�ð Lò .�DØ—I‘I—M‘M $¨Õ-ñ.ð.ô ˜%“jˆGð €Mô2ô —Y‘Y˜°¼¿¹Ô>‘ÀA€IÜ�f‰fÐ/°¸GÌ2Ï4É4ÔRT×RVÑRVÉ;ÔW€Gä�f‰f�W˜j¨'¼¿¹Ô>€GÜ�f‰f�\ 4¨¼¿¹Ô=€GÜ�f‰fÐLÈbÐRYÔac×aeÑaeÔf€Gà€EØ—‘˜vÓ&ó  ˆØ�K‰K‹MˆÙØä�F‰FÐ+¨R°Ó3ˆÜ�F‰FÐ*¨B°Ó2ˆØ�I‰I�d˜BÓ×'Ñ'¨¨cÓ2ˆÜ�F‰F�<  aÓ(ˆÜ—‘�z 2 qÓ)ˆÜ×!Ñ! %Ó(ˆØ—‘˜f cÓ*×2Ñ2°8¸SÓAˆÜ—‘Ð7¸¸UÓCˆÙØØ ×&Ñ&Ó(ò 	 ‰DˆAˆqØ—	‘	˜!˜Q“‰Að	 ä Ó.ò 	0‰FˆAˆsØ—	‘	˜G A 3 b˜/¨3Ó/‰Að	0à�‰�Q—W‘W“YÖð' ð* �+‰+�eÓ
€CØ×"Ñ"Ó$ò  ‰ˆˆ1Ø�k‰k˜!˜QÓ‰ð ä˜MÓ*ò 0‰ˆˆ3Ø�k‰k˜G A 3 b˜/¨3Ó/‰ð0ô �&‰&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
$€Cà�	˜;Ð&Ð&øôy ò 	Úð	ûô6 ò 	Úð	úsG   ÄA:`# Å?D`# Ê`# Ê"1`# ËA/`# ÍA`# ÏA`3 à#	`0à/`0à3	a à?a c                 óž  — | j                  d|t        f«      }|j                  «       ry	 d}	 ddlm}  ||«      }| j                  d|||||t        t        t        ||f
«      }|j                  dkD  ryt        j                  dd|«      }	t        j                  |	«      }	t        j                  d	d
|	«      j                  «       d d }	| j                  d|j                  |t        |	f«       yy# t
        $ r Y Œ¼w xY w# t        j                   $ r=}
dt#        |
«      v r*t%        j&                  d«       t)        | |||||«      cY d }
~
S ‚ d }
~
ww xY w)Nz7SELECT id FROM gov_raw WHERE page_url=? AND site_name=?FÚotherr   )Úclassify_industryz¨INSERT OR IGNORE INTO gov_raw (page_url, source_url, title, content, publish_date, site_name, group_name, script_name, has_table, industry) VALUES (?,?,?,?,?,?,?,?,?,?)rr   r   r   r   éÈ   zTINSERT OR IGNORE INTO gov_search (rowid, title, site_name, summary) VALUES (?,?,?,?)TÚlockedr,   )ÚexecuteÚ	SITE_NAMEÚfetchoneÚcrawler_libr®   r”   Ú
GROUP_NAMEÚSCRIPT_NAMEÚrowcountr   r   r   r   r   Ú	lastrowidÚsqlite3ÚOperationalErrorrF   ÚtimeÚsleepÚstore_record)Úconnr'   r:   rD   r;   rŸ   ÚcurÚindustryr®   ÚsummaryÚes              r   r½   r½     sF  € Ø
�,‰,ÐPÐSVÔXaÐRbÓ
c€CØ
‡|�|„~ØðØˆð	Ý5Ù(¨Ó/ˆHð �l‰lð+ð �#�u˜g t¬Y¼
ÄKÐQZÐ\dÐeó	
ˆð �<‰<˜!ÒÜ—f‘f˜Z¨¨WÓ5ˆGÜ×'Ñ'¨Ó0ˆGÜ—f‘f˜V S¨'Ó2×8Ñ8Ó:¸4¸CÐ@ˆGØ�L‰LØfØ—‘ ¤y°'Ð:ôð Øøô# ò 	Ùð	ûô$ ×#Ñ#ò Ø”s˜1“vÑÜ�J‰J�qŒMÜ  c¨5°'¸4ÀÓKÕKØûð	úsF   «C< ®C- ¼B/C< Ã-	C9Ã6C< Ã8C9Ã9C< Ã<EÄ1EÅ EÅEÅEc                 ó¨   — | j                  |t        dd¬«      }|j                  dk(  rd|_        |j                  S t        d|j                  › �«      ‚)Nr   Fr   r¯   r   zHTTP )r"   r#   Ústatus_coder$   r%   ÚRuntimeError)r&   r'   r(   s      r   Úfetch_detailrÆ   &  sJ   € Ø�‰�C¤°"¸UˆÓC€AØ‡}�}˜ÒØˆŒ
Ø�v‰vˆÜ
˜˜qŸ}™}˜oÐ.Ó
/Ð/r   c                  ó&  — dd l } | j                  «       }|j                  j                  t        «       d }t
        s=t        j                  t        d¬«      }|j                  d«       |j                  d«       d}d}t        «       }g }t        dt        dz   «      D �]Ã  }	 t        ||«      }t!        |«      }
t        d|› dt#        |
«      › d�d	¬
«       |
st        dd	¬
«        �n||
D �]^  \  }}}||v rŒ|j%                  |«       	 t'        ||«      }t)        ||«      \  }}}|s|}|s|}t+        ||«      \  }}}t#        t-        j.                  dd|«      j1                  «       «      }t-        j2                  d|t,        j4                  «       xr | }|dk  s|rt        d|d d › �d	¬
«       |dz  }ŒÌt
        rD|j7                  |||||t8        t:        t<        dœ«       t        d|d d › d|› d�d	¬
«       |dz  }�Œt?        ||||||«      }|r|dz  }t        d|d d › d|› d�d	¬
«       n|dz  }tA        jB                  d«       �Œa tA        jB                  d«       �ŒÆ t
        rmtE        t
        dd¬«      5 }|D ]+  }|jG                  tI        jJ                  |d ¬!«      d"z   «       Œ- 	 d d d «       t        d#t
        › dt#        |«      › d$�d	¬
«       |� |jM                  «        |jO                  «        t        d%|› �d	¬
«       t        d&|› �d	¬
«       t        d't8        › d(�d	¬
«       y # t        $ r}	t        d|› d|	› �d	¬
«       Y d }	~	 Œíd }	~	ww xY w# t        $ r#}	t        d|› d|	› �d	¬
«       |dz  }Y d }	~	�Œ–d }	~	ww xY w# 1 sw Y   ŒÛxY w))Nr   é<   )r   zPRAGMA busy_timeout=60000zPRAGMA journal_mode=WALr	   zPage z fetch error: T)Úflushz: found z itemszEmpty page, stop paginationz  detail error z: rr   r   z<p[ >]é
   z  skip empty/placeholder: é(   )rY   r:   rD   Úpublish_daterŸ   Ú	site_nameÚ
group_nameÚscript_namez
  JSONL + z (ú)z  + g      Ð?g      à?Úwr   )r$   F)Úensure_asciirŒ   zJSONL written: z rows)u   æ–°å¢ž: u   è·³è¿‡: z=== z	 done ===)(ÚrequestsÚSessionr   Úupdater#   r   r¹   Úconnectr   r±   r—   ÚrangeÚ_PAGESr)   r”   Úprintr=   r1   r˜   rÆ   r`   r«   r   r   r   rW   rQ   r5   r²   rµ   r¶   r½   r»   r¼   ÚopenÚwriteÚjsonÚdumpsÚcommitÚclose)rÓ   Úsr¾   Ú	new_countÚ
skip_countÚ	seen_urlsÚ
jsonl_rowsr   r6   rÂ   r7   r<   r:   r;   ÚdhtmlÚdtitleÚddaterZ   rD   rŸ   ÚattsÚ	plain_lenÚno_paraÚokÚfÚrows                             r   Úmainrî   .  s™  € ÛØ×ÑÓ€AØ‡I�I×Ñ”WÔØ€DÝÜ�‰œw°Ô3ˆØ�‰Ð0Ô1Ø�‰Ð.Ô/à€IØ€JÜ“€IØ€Jä�aœ !™Ó$ó 2ˆð	Ü" 1 dÓ+ˆIô ˜9Ó%ˆÜ��d�V˜8¤C¨£J <¨vÐ6¸dÕCÙÜÐ/°tÕ<ÚØ$)ó &	Ñ ˆG�U˜DØ˜)Ñ#ØØ�M‰M˜'Ô"ðÜ$ Q¨Ó0�ô
 +7°u¸gÓ*FÑ'ˆF�E˜<ÙØ�ÙØ�Ü'3°LÀ'Ó'JÑ$ˆG�Y ÜœBŸF™F :¨r°7Ó;×AÑAÓCÓDˆIÜŸ)™) I¨|¼R¿T¹TÓBÐBÒTÈ9À}ˆGØ˜2Š~¡ÜÐ2°6¸#¸2°;°-Ð@ÈÕMØ˜a‘�
ØÝØ×!Ñ!Ø '°&ÀWØ$)¸	Ü!*¼*Ü#.ñ	#ô ô ˜
 6¨#¨2 ; -¨r°%°¸Ð:À$ÕGØ˜Q‘�	ÙÜ˜d G¨V°W¸eÀYÓOˆBÙØ˜Q‘�	Ü˜˜V C R˜[˜M¨¨E¨7°!Ð4¸DÖAà˜a‘�
Ü�J‰J�tÖðM&	ôN 	�
‰
�3Žðe2õh Ü”*˜c¨GÔ4ð 	D¸Ø!ò D�Ø—‘œŸ
™
 3°UÔ;¸dÑBÕCñD÷	Dô 	�¤
˜|¨2¬c°*«oÐ->¸fÐEÈTÕRàÐØ�‰ŒØ�
‰
ŒÜ	ˆH�Y�KÐ
 ¨Õ-Ü	ˆH�Z�LÐ
!¨Õ.Ü	ˆD”�˜9Ð
%¨TÖ2øôy ò 	Ü�E˜$˜˜~¨a¨SÐ1¸Õ>Ýûð	ûô ò Ü˜¨ y°°1°#Ð6¸dÕCØ˜a‘�
Ýûðú÷H	Dð 	Dús<   Â!L.ÄMÉ;1NÌ.	MÌ7MÍMÍ	NÍ!M?Í?NÎNÚ__main__)4Ú__doc__Úsysrt   r   r»   Úhtmlr   Úurllib.parser2   r¹   rÜ   Úbs4r   ÚImportErrorÚBASE_URLr   r    r²   rµ   r¶   Úenvironr"   r   r   ÚENCrL   rS   rP   r�   rQ   r.   r#   Ú
_MAX_PAGESr–   Úargvr¦   rc   rM   rX   rN   Ú
ValueErrorr1   rØ   r   r)   r=   r`   r«   r½   rÆ   rî   Ú__name__© r   r   ú<module>rþ      sÍ  ðñ	ó Û 	Û 	Û Û Û Û Û ðÝ!ð
 )€ØH€ØO€Ø$€	Ø€
Ø&€Ø
�*‰*�.‰.˜Ð$9Ó
:€Ø�Z‰Z�^‰^˜L¨"Ó-€
Ø€Ø!€Ø)€Øˆr�z‰zð SØ‡D�Dˆ2�4‰4�Kó€ð @ØOØ'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òò
ò%ò6F'òRòD0òN3ðb ˆzÒÙ…Fð øðO ò ØƒMðûð> ò 	Ùð	ûð
 ò 	Ùð	ús5   ¤E ÃE#ÄE.ÅE ÅE Å#E+Å*E+Å.E6Å5E6