Ë
    ¸¬ujO:  ã                   óê  — 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 ej2                  dej4                  ej6                  z  «      ZddddœZdZ eej@                  «      D ]k  \  Z!Z"e"jG                  d«      r	  e$e"jK                  dd«      d   «      ZŒ4e"dk(  sŒ:e!dz    e'ej@                  «      k  sŒS	  e$ej@                  e!dz      «      ZŒm edk\  rendZ(d„ Z)d„ Z*d„ Z+d„ Z,d„ Z-d„ Z.d„ Z/d„ Z0e1d k(  r e0«        yy# e$ r dZY �Œ1w xY w# e&$ r Y Œ²w xY w# e&$ r Y Œ½w xY w)!uæ  
crawl_jzyjt_gsgg.py - å·¨æ­£æº�è‚¡ä»½-å…¬å�¸å…¬å‘Š
http://www.jzyjt.cn/gsgg/list.html
CMS: ä¸‡æˆ·ç½‘ç»œ wanhu (Powered By wanhu)
åˆ—è¡¨: div.TextList001203 ul.ul > li
  <li><a href='/gsgg/info_itemid_{id}.html'><time>2026-01-07</time><span class="dot">æ ‡é¢˜</span></a></li>
åˆ†é¡µ: /gsgg/list_page_{N}.html (é¦–é¡µ list.html; è¶…å‡ºé¡µæ•° 404, ç«™ç‚¹å®žé™…ä»…1é¡µ)
è¯¦æƒ…: div.RichInfo005 > div.news_info
  æ ‡é¢˜: header.title > h1 (åˆ—è¡¨ span.dot å·²å�«å®Œæ•´æ ‡é¢˜, æ— éœ€è¯¦æƒ…å›žé€€)
  æ—¥æœŸ: header.title > p > span "å�‘å¸ƒæ—¥æœŸï¼šYYYY-MM-DD"
  æ­£æ–‡: news_info å†… header ä¹‹å�Žåˆ° div.info_back ä¹‹å‰� (Word å¯¼å‡ºåµŒå¥— span ç»“æž„)
  é™„ä»¶: <a class="ke-insertfile" href="/uploadfiles/...">é™„ä»¶å��</a> (å†…åµŒæ­£æ–‡æ®µè�½)
é    N)ÚBeautifulSoupzhttp://www.jzyjt.cnz"http://www.jzyjt.cn/gsgg/list.htmlz.http://www.jzyjt.cn/gsgg/list_page_{page}.htmlu   å·¨æ­£æº�è‚¡ä»½-å…¬å�¸å…¬å‘Šu   å¹¿ä¸œzcrawl_jzyjt_gsgg.pyÚDB_PATHz/mnt/data/search.dbÚ
JSONL_PATHÚ úutf-8z}<a[^>]*href='(/gsgg/info_itemid_\d+\.html)'[^>]*>\s*<time>(\d{4}-\d{2}-\d{2})</time>\s*<span class=\"dot\">([^<]+)</span></a>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_jzyjt_gsgg.pyÚclean_titler   C   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                 óž   — |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)   M   sG   € Øˆq‚yÜ‰ä× Ñ  dÐ Ó+ˆØ�‰�C¤°"¸UˆÓC€AØ€A„JØ�6‰6€Mr   c                 óH  — g }t         j                  | «      D ]‡  }|j                  d«      }|j                  d«      }t        |j                  d«      «      }|rt	        |«      dk  rŒPt
        j                  j                  t        |«      }|j                  |||f«       Œ‰ |S )Nr	   é   é   é   )
ÚLIST_LINK_REÚfinditerÚgroupr   ÚlenÚurllibÚparseÚurljoinr   Úappend)Ú	html_textÚitemsÚmÚhrefÚdateÚtitleÚabs_urls          r   Ú
parse_listr=   W   s�   € Ø€EÜ×"Ñ" 9Ó-ò -ˆØ�w‰w�q‹zˆØ�w‰w�q‹zˆÜ˜AŸG™G A›JÓ'ˆÙœ˜E›
 QšØÜ—,‘,×&Ñ&¤{°DÓ9ˆØ�‰�g˜u dÐ+Õ,ð-ð €Lr   c                 óž  — d}d}d}t         �rt        | d«      }|j                  dd¬«      }|rð|j                  d«      }|s|j                  d«      }|rt        |j	                  dd	¬
«      «      }|j                  dt        j                  d«      ¬«      }|r7t        j                  d|j	                  «       «      }	|	r|	j                  d«      }dD ](  }
|j                  |
«      D ]  }|j                  «        Œ Œ* dj                  d„ |j                  D «       «      }|s)t        j                  d| «      }	|	r|	j                  d«      }|||fS )uT   ä¸‡æˆ·: h1 æ ‡é¢˜ + å�‘å¸ƒæ—¥æœŸ + news_info æ­£æ–‡(å‰”é™¤ header/info_back/info_pn)r   úhtml.parserÚdivÚ	news_info)Úclass_zheader.title h1Úh1r   T©r   Úspanu   å�‘å¸ƒæ—¥æœŸ)Ústringz(\d{4}-\d{2}-\d{2})r	   )zheader.titlezdiv.info_backzdiv.info_pnc              3   ó2   K  — | ]  }t        |«      –— Œ y ­w)N)Ústr)Ú.0Úcs     r   ú	<genexpr>zparse_detail.<locals>.<genexpr>}   s   è ø€ Ò"A¨a¤3 q§6Ñ"Aùs   ‚u(   å�‘å¸ƒæ—¥æœŸ[:ï¼š]\s*(\d{4}-\d{2}-\d{2}))r   ÚfindÚ
select_oner   Úget_textr   ÚcompileÚsearchr0   ÚselectÚ	decomposeÚjoinÚcontents)r6   Úpage_urlr;   r:   Úcontent_htmlÚsoupÚinforC   ÚmdÚdmÚselÚels               r   Úparse_detailr]   d   s.  € à€EØ€DØ€LÞÜ˜Y¨Ó6ˆà�y‰y˜ {ˆyÓ3ˆÙà—‘Ð!2Ó3ˆBÙØ—Y‘Y˜t“_�ÙÜ# B§K¡K°¸4 KÓ$@ÓA�à—‘˜6¬"¯*©*°_Ó*E�ÓFˆBÙÜ—Y‘YÐ5°r·{±{³}ÓE�ÙØŸ8™8 A›;�DØGò #�ØŸ+™+ cÓ*ò #�BØ—L‘L•Nñ#ð#ð Ÿ7™7Ñ"A°4·=±=Ô"AÓAˆLÙÜ�Y‰YÐBÀIÓNˆÙØ—8‘8˜A“;ˆDØ�$˜Ð$Ð$r   c                 ó6  ‡‡‡‡— | 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        �ra	 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sD |j                  d«      xs1 t        j                  j                  |j                  d«      d   «      }t        j                  j                  ‰|«      }‰j!                  ||f«       dt#        ‰«      › d�}d|› d|› d�‰|<   |j%                  |«       �Œ |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                  d/d|«      }t        j                  d0d|«      }|j3                  d1d«      j3                  d2d3«      }t        j                  d4d3|«      }t        j                  d5d|«      }t5        j6                  |«      }|j3                  d6d3«      j3                  d7d3«      }t        j                  d8d|«      }|sŒæ‰j9                  «       D ]  \  }}|j3                  ||«      }Œ t;        ‰«      D ]  \  }}|j3                  d9|› d�|«      }Œ |j!                  |j1                  «       «       �ŒZ d.j'                  |«      }‰j9                  «       D ]  \  }}|j3                  ||«      }Œ t;        ‰«      D ]  \  }}|j3                  d9|› 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                  d4d3|«      }t=        «       }g }|j                  d.«      D ]X  }t        j                  d@dt        j                  d5d|«      «      }|sŒ2||v rŒ7|j?                  |«       |j!                  |«       ŒZ d.j'                  |«      j1                  «       }||‰fS # t*        $ r Y �Œ£w xY w# t*        $ r Y �Œw xY w)ANr   r   z
<!--.*?-->)Úflagsz<meta[^>]*>z<script[^>]*>.*?</script>z<style[^>]*>.*?</style>u   ã€�å­—å�·ï¼š[^ã€‘]*ã€‘u'   å�‘å¸ƒ(?:æ—¶é—´|æ—¥æœŸ)[:ï¼š][^<]{0,30}r?   ÚaT)r9   Úappendixzdata-appendixz\.(pdf|docx?|xlsx?|zip|rar)r9   rD   Ú_titleú?Ú
__ATTACH__Ú__ú	<a href="ú" target="_blank">ú</a>ÚpÚimgÚsrcÚoldsrcu   å›¾ç‰‡Ú__IMG__z<p>z<br/>z</p>c                 ó8  •— | j                  d«      }|j                  d«      ry| j                  d«      }t        j                  dd|«      }t	        j
                  |«      j                  «       }t        j                  dd|«      j                  «       }|s5t        j                  j                  |j                  d«      d   «      xs d	}t        j                  j                  ‰|«      }‰j                  ||f«       d
t        ‰«      › d�}d|› d|› d�‰|<   |S )Nr	   zjavascript:r   r+   ú<[^>]+>u   ^é™„ä»¶[:ï¼š]\s*rc   r   u   é™„ä»¶Ú__LINK__re   rf   rg   rh   )r0   Ú
startswithr   r   r   r   r   ÚosÚpathÚbasenameÚsplitr2   r3   r4   r5   r1   )	r8   r9   ÚinnerÚtxtr<   ÚkeyÚattachmentsÚlink_protectrU   s	         €€€r   Ú
_link_replz html_to_text.<locals>._link_repl±   s÷   ø€ Ø�w‰w�q‹zˆØ�?‰?˜=Ô)ØØ—‘˜“
ˆÜ�f‰f�Z  UÓ+ˆÜ×Ñ Ó$×*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	   re   )r5   r0   r1   )r8   Útable_protects    €r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÍ   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
z(</?(?:span|font|o:p|st1?:[a-z]+)\b[^>]*>z

z(?<=>)\s*[\r\n\t]+\s*z\s*[\r\n\t]+\s*(?=<)úú	r   z	[ \t]{2,}ro   õ   Â z&nbsp;z[\s\u200b\u200c\u200d\ufeff]+rˆ   z__LINK__\d+__z__TBL__\d+__z__IMG__\d+__z__ATTACH__\d+__z[ \t]+\nz\n{3,}r   ) r   r   ÚSÚIr   Úfind_allr"   rP   rN   rr   rs   rt   ru   r2   r3   r4   r5   r1   Úreplace_withrS   rH   Ú	ExceptionÚattrsÚpopr   r   r   r   r7   Ú	enumerateÚsetÚadd) ÚcontentrU   Ú_soupr`   r9   rw   r<   rx   ri   ÚimgsÚsrcsrj   rk   r{   ÚtagÚattrrŠ   Ú	has_tableÚpartsÚblockÚbÚplainÚkÚvÚiÚtblÚoutÚseenÚfinalry   rz   r‰   s     `                           @@@r   Úhtml_to_textr«   …   s%  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)ÐLjÐlm×lqÑlqÐrxÐz|Ól}ô  @B÷  @Dñ  @Dõ  CEØ˜V™9�DØŸ*™*¨4˜*Ó0Òk°A·E±E¸(³OÒkÄrÇwÁw×GWÑGWÐX\×XbÑXbÐcfÓXgÐhiÑXjÓGk�CÜ$Ÿl™l×2Ñ2°8¸TÓB�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 $¨Õ-ñ.ð.ô ˜%“jˆGð €Mô2ô —Y‘Y˜°¼¿¹Ô>‘ÀA€IÜ�f‰fÐ/°¸GÌ2Ï4É4ÔRT×RVÑRVÉ;ÔW€Gä�f‰f�W˜j¨'¼¿¹Ô>€GÜ�f‰f�\ 4¨¼¿¹Ô=€GÜ�f‰fÐ@À"ÀgÔUW×UYÑUYÔZ€Gà€EØ—‘˜vÓ&ó  ˆØ�K‰K‹MˆÙØä�F‰FÐ+¨R°Ó3ˆÜ�F‰FÐ*¨B°Ó2ˆà�I‰I�d˜BÓ×'Ñ'¨¨cÓ2ˆÜ�F‰F�<  aÓ(ˆÜ—‘�z 2 qÓ)ˆÜ×!Ñ! %Ó(ˆØ—‘˜f cÓ*×2Ñ2°8¸SÓAˆÜ—‘Ð7¸¸UÓCˆÙØØ ×&Ñ&Ó(ò 	 ‰DˆAˆqØ—	‘	˜!˜Q“‰Að	 ä Ó.ò 	0‰FˆAˆsØ—	‘	˜G A 3 b˜/¨3Ó/‰Að	0à�‰�Q—W‘W“YÖð) ð, �+‰+�eÓ
€CØ×"Ñ"Ó$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
$€Cà�	˜;Ð&Ð&øô{ ò 	Úð	ûô6 ò 	Úð	úsG   ÄA:_; Å?C'_; É'_; É:1_; Ê,A/_; ÌA_; Î*A` ß;	`à`à	`à`c                 óž  — | j                  d|t        f«      }|j                  «       ry	 d}	 ddlm}  ||«      }| j                  d|||||t        t        t        ||f
«      }|j                  dkD  ryt        j                  dd|«      }	t        j                  |	«      }	t        j                  d	d
|	«      j                  «       d d }	| j                  d|j                  |t        |	f«       yy# t
        $ r Y Œ¼w xY w# t        j                   $ r=}
dt#        |
«      v r*t%        j&                  d«       t)        | |||||«      cY d }
~
S ‚ d }
~
ww xY w)Nz7SELECT id FROM gov_raw WHERE page_url=? AND site_name=?FÚotherr   )Úclassify_industryz¨INSERT OR IGNORE INTO gov_raw (page_url, source_url, title, content, publish_date, site_name, group_name, script_name, has_table, industry) VALUES (?,?,?,?,?,?,?,?,?,?)ro   r   r   r   éÈ   zTINSERT OR IGNORE INTO gov_search (rowid, title, site_name, summary) VALUES (?,?,?,?)TÚlockedr,   )ÚexecuteÚ	SITE_NAMEÚfetchoneÚcrawler_libr®   r“   Ú
GROUP_NAMEÚSCRIPT_NAMEÚrowcountr   r   r   r   r   Ú	lastrowidÚsqlite3ÚOperationalErrorrH   ÚtimeÚsleepÚstore_record)Úconnr'   r;   r™   r:   rŸ   ÚcurÚindustryr®   ÚsummaryÚes              r   r½   r½     sF  € Ø
�,‰,ÐPÐSVÔXaÐRbÓ
c€CØ
‡|�|„~ØðØˆð	Ý5Ù(¨Ó/ˆHð �l‰lð+ð �#�u˜g t¬Y¼
ÄKÐQZÐ\dÐeó	
ˆð �<‰<˜!ÒÜ—f‘f˜Z¨¨WÓ5ˆGÜ×'Ñ'¨Ó0ˆGÜ—f‘f˜V S¨'Ó2×8Ñ8Ó:¸4¸CÐ@ˆGØ�L‰LØfØ—‘ ¤y°'Ð:ôð Øøô# ò 	Ùð	ûô$ ×#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$   r%   ÚRuntimeError)r&   r'   r(   s      r   Úfetch_detailrÆ   0  sJ   € Ø�‰�C¤°"¸UˆÓC€AØ‡}�}˜ÒØˆŒ
Ø�v‰vˆÜ
˜˜qŸ}™}˜oÐ.Ó
/Ð/r   c                  ó&  — dd l } | j                  «       }|j                  j                  t        «       d }t
        s=t        j                  t        d¬«      }|j                  d«       |j                  d«       d}d}t        «       }g }t        dt        dz   «      D �]Ã  }	 t        ||«      }t!        |«      }
t        d|› dt#        |
«      › d�d	¬
«       |
st        dd	¬
«        �n||
D �]^  \  }}}||v rŒ|j%                  |«       	 t'        ||«      }t)        ||«      \  }}}|s|}|s|}t+        ||«      \  }}}t#        t-        j.                  dd|«      j1                  «       «      }t-        j2                  d|t,        j4                  «       xr | }|dk  s|rt        d|d d › �d	¬
«       |dz  }ŒÌt
        rD|j7                  |||||t8        t:        t<        dœ«       t        d|d d › d|› d�d	¬
«       |dz  }�Œt?        ||||||«      }|r|dz  }t        d|d d › d|› d�d	¬
«       n|dz  }tA        jB                  d«       �Œa tA        jB                  d«       �ŒÆ t
        rmtE        t
        dd¬«      5 }|D ]+  }|jG                  tI        jJ                  |d ¬!«      d"z   «       Œ- 	 d d d «       t        d#t
        › dt#        |«      › d$�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: ro   r   z<p[ >]é
   z  skip empty/placeholder: é(   )rU   r;   r™   Úpublish_daterŸ   Ú	site_nameÚ
group_nameÚscript_namez
  JSONL + z (ú)z  + g      Ð?g      à?Úwr   )r$   F)Úensure_asciir‹   zJSONL written: z rows)u   æ–°å¢ž: u   è·³è¿‡: z=== z	 done ===)(ÚrequestsÚSessionr   Úupdater#   r   r¹   Úconnectr   r±   r—   ÚrangeÚ_PAGESr)   r“   Úprintr=   r1   r˜   rÆ   r]   r«   r   r   r   rP   r�   r5   r²   rµ   r¶   r½   r»   r¼   ÚopenÚwriteÚjsonÚdumpsÚcommitÚclose)rÓ   Úsr¾   Ú	new_countÚ
skip_countÚ	seen_urlsÚ
jsonl_rowsr   r6   rÂ   r7   r<   r;   r:   ÚdhtmlÚdtitleÚddaterV   r™   rŸ   ÚattsÚ	plain_lenÚno_paraÚokÚfÚrows                             r   Úmainrî   8  s™  € ÛØ×ÑÓ€AØ‡I�I×Ñ”WÔØ€DÝÜ�‰œw°Ô3ˆØ�‰Ð0Ô1Ø�‰Ð.Ô/à€IØ€JÜ“€IØ€Jä�aœ !™Ó$ó 3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$ˆG�Y ÜœBŸF™F :¨r°7Ó;×AÑAÓCÓDˆIäŸ)™) I¨|¼R¿T¹TÓBÐBÒTÈ9À}ˆGØ˜2Š~¡ÜÐ2°6¸#¸2°;°-Ð@ÈÕMØ˜a‘�
ØÝØ×!Ñ!Ø '°&ÀWØ$)¸	Ü!*¼*Ü#.ñ	#ô ô ˜
 6¨#¨2 ; -¨r°%°¸Ð:À$ÕGØ˜Q‘�	ÙÜ˜d G¨V°W¸eÀYÓOˆBÙØ˜Q‘�	Ü˜˜V C R˜[˜M¨¨E¨7°!Ð4¸DÖAà˜a‘�
Ü�J‰J�tÖðO'	ôP 	�
‰
�3Žðg3õj Ü”*˜c¨GÔ4ð 	D¸Ø!ò D�Ø—‘œŸ
™
 3°UÔ;¸dÑBÕCñD÷	Dô 	�¤
˜|¨2¬c°*«oÐ->¸fÐEÈTÕRàÐØ�‰ŒØ�
‰
ŒÜ	ˆH�Y�KÐ
 ¨Õ-Ü	ˆH�Z�LÐ
!¨Õ.Ü	ˆD”�˜9Ð
%¨TÖ2øô{ ò 	Ü�E˜$˜˜~¨a¨SÐ1¸Õ>Ýûð	ûô ò Ü˜¨ y°°1°#Ð6¸dÕCØ˜a‘�
Ýûðú÷J	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__)2Ú__doc__Úsysrr   r   r»   Úhtmlr   Úurllib.parser2   r¹   rÜ   Úbs4r   ÚImportErrorÚBASE_URLr   r    r²   rµ   r¶   Úenvironr"   r   r   ÚENCrO   r�   r�   r.   r#   Ú
_MAX_PAGESr–   Úargvr¦   r`   rq   Úintru   Ú
ValueErrorr1   rØ   r   r)   r=   r]   r«   r½   rÆ   rî   Ú__name__© r   r   ú<module>rÿ      sÄ  ðñó Û 	Û 	Û Û Û Û Û ðÝ!ð
 !€Ø2€Ø>€Ø*€	Ø€
Ø#€Ø
�*‰*�.‰.˜Ð$9Ó
:€Ø�Z‰Z�^‰^˜L¨"Ó-€
Ø€Øˆr�z‰zð E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%òBF'òRòD0òO3ðd ˆzÒÙ…Fð øð_ 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*E2Å1E2