Ë
    ¸¬uj(9  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)!uQ  
crawl_jzzq_tzgg.py - å·¦æ�ƒåŽ¿ç”Ÿæ€�çŽ¯å¢ƒå±€-é€šçŸ¥å…¬å‘Š
http://www.jzzq.gov.cn/zwgkzy/bmdwgkml/10zqxhjbhj/xxgkml10zqxhjbhj/zcwjsthjj/tzgg10zqxhjbhj
CMS: å¼€æ™®äº‘ kaipuyun (power.core.js, pucha.kaipuyun.cn)
åˆ—è¡¨: div.boxGkxxList ul.infoList > li
  <li class="first"><span class="date">2026-06-30</span>
    <a href="/zwgkzy/.../tzgg10zqxhjbhj/content_{id}" target="_blank" title="æ ‡é¢˜ï¼š...">æ ‡é¢˜</a></li>
åˆ†é¡µ: URL å°¾ç¼€ _2/_3/... (tzgg10zqxhjbhj_{pageid}), å…±16é¡µ(quickJumpä¸Šé™�), æ¯�é¡µçº¦18æ�¡
è¯¦æƒ…: åˆ—è¡¨URL + "?LMCL=HcSri1" (æ— æ­¤å�‚æ•°è¿”å›ž BBI JSæ··æ·†è·³è½¬é¡µ)
  æ ‡é¢˜: articleCon h2.title
  æ—¥æœŸ: div.property "å�‘å¸ƒæ—¶é—´ï¼šYYYY-MM-DD"
  æ­£æ–‡: div.conTxt (å�«è¡¨æ ¼; éœ€å‰”é™¤å…ƒä¿¡æ�¯è¡¨ table.govDetailTable)
  é™„ä»¶: conTxt å†… <a href="ç»�å¯¹/ç›¸å¯¹URL" target="_blank"> (é™„ä»¶å�Žç¼€ pdf/doc/xls/zipç­‰)
é    N)ÚBeautifulSoupzhttp://www.jzzq.gov.cnzhhttp://www.jzzq.gov.cn/zwgkzy/bmdwgkml/10zqxhjbhj/xxgkml10zqxhjbhj/zcwjsthjj/tzgg10zqxhjbhj{page_suffix}z?LMCL=HcSri1u%   å·¦æ�ƒåŽ¿ç”Ÿæ€�çŽ¯å¢ƒå±€-é€šçŸ¥å…¬å‘Šu   å±±è¥¿zcrawl_jzzq_tzgg.pyÚDB_PATHz/mnt/data/search.dbÚ
JSONL_PATHÚ úutf-8z~<li[^>]*>\s*<span class="date">(\d{4}-\d{2}-\d{2})</span>\s*<a[^>]*href="(/[^"]*content_\d+)"[^>]*title="[^"]*"[^>]*>(.*?)</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_jzzq_tzgg.pyÚclean_titler   E   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dnd|› �}t         j                  |¬«      }| j                  |t        dd¬«      }d|_        |j
                  S )	Nr	   r   Ú_)Úpage_suffixé   F©ÚheadersÚtimeoutÚverifyr   )ÚLIST_TPLÚformatÚgetÚHEADERSÚencodingÚtext)ÚsessionÚpageÚsuffixÚurlÚrs        r   Ú
fetch_listr+   O   sK   € Ø˜1’9‰R A d V *€FÜ
�/‰/ fˆ/Ó
-€CØ�‰�C¤°"¸UˆÓC€AØ€A„JØ�6‰6€Mr   c           
      ó€  — g }t         j                  | «      D ]£  }|j                  d«      }|j                  d«      }t        t	        j
                  dd|j                  d«      «      «      }|rt        |«      dk  rŒet        j                  j                  t        |«      t        z   }|j                  |||f«       Œ¥ |S )Nr	   é   ú<[^>]+>r   é   é   )ÚLIST_ITEM_REÚfinditerÚgroupr   r   r   ÚlenÚurllibÚparseÚurljoinÚBASE_URLÚLMCLÚappend)Ú	html_textÚitemsÚmÚdateÚhrefÚtitleÚabs_urls          r   Ú
parse_listrB   W   sŸ   € Ø€EÜ×"Ñ" 9Ó-ò -ˆØ�w‰w�q‹zˆØ�w‰w�q‹zˆÜœBŸF™F :¨r°1·7±7¸1³:Ó>Ó?ˆÙœ˜E›
 QšØÜ—,‘,×&Ñ&¤x°Ó6¼Ñ=ˆØ�‰�g˜u dÐ+Õ,ð-ð €Lr   c                 ó:  — d}d}d}t         ràt        | d«      }|j                  d«      }|rt        |j                  dd¬«      «      }|j                  d«      }|r7t	        j
                  d|j                  «       «      }|r|j                  d	«      }|j                  d
«      }	|	rH|	j                  d«      D ]  }
|
j                  «        Œ dj                  d„ |	j                  D «       «      }|s)t	        j
                  d| «      }|r|j                  d	«      }|||fS )Nr   úhtml.parserzarticle.articleCon h2.titler   T©r   zarticle.articleCon div.propertyu(   å�‘å¸ƒæ—¶é—´[:ï¼š]\s*(\d{4}-\d{2}-\d{2})r	   zarticle.articleCon div.conTxtztable.govDetailTablec              3   ó2   K  — | ]  }t        |«      –— Œ y ­w)N)Ústr)Ú.0Úcs     r   ú	<genexpr>zparse_detail.<locals>.<genexpr>y   s   è ø€ Ò"@¨a¤3 q§6Ñ"@ùs   ‚)r   Ú
select_oner   Úget_textr   Úsearchr3   ÚselectÚ	decomposeÚjoinÚcontents)r;   Úpage_urlr@   r>   Úcontent_htmlÚsoupÚh2ÚpropÚdmÚconÚtbls              r   Úparse_detailrZ   d   sÿ   € Ø€EØ€DØ€LÝÜ˜Y¨Ó6ˆà�_‰_Ð:Ó;ˆÙÜ §¡¨C°t Ó <Ó=ˆEà�‰Ð@ÓAˆÙÜ—‘ÐFÈÏÉËÓXˆBÙØ—x‘x “{�à�o‰oÐ=Ó>ˆÙØ—z‘zÐ"8Ó9ò  �Ø—‘•ð àŸ7™7Ñ"@°3·<±<Ô"@Ó@ˆLÙ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*        $ r Y �Œw xY w)ANr   r   z
<!--.*?-->)Úflagsz<meta[^>]*>z<script[^>]*>.*?</script>z<style[^>]*>.*?</style>u   ã€�å­—å�·ï¼š[^ã€‘]*ã€‘u'   å�‘å¸ƒ(?:æ—¶é—´|æ—¥æœŸ)[:ï¼š][^<]{0,30}rD   ÚaT)r?   Úappendixzdata-appendixz\.(pdf|docx?|xlsx?|zip|rar|wps)r?   rE   Ú_titleú?Ú
__ATTACH__Ú__ú	<a href="ú" target="_blank">ú</a>ÚpÚimgÚsrcÚoldsrcu   å›¾ç‰‡Ú__IMG__z<p>z<br/>z</p>c                 ó8  •— | j                  d«      }|j                  d«      ry| j                  d«      }t        j                  dd|«      }t	        j
                  |«      j                  «       }t        j                  dd|«      j                  «       }|s5t        j                  j                  |j                  d«      d   «      xs d	}t        j                  j                  ‰|«      }‰j                  ||f«       d
t        ‰«      › d�}d|› d|› d�‰|<   |S )Nr	   zjavascript:r   r-   r.   u   ^é™„ä»¶[:ï¼š]\s*r`   r   u   é™„ä»¶Ú__LINK__rb   rc   rd   re   )r3   Ú
startswithr   r   r   r   r   ÚosÚpathÚbasenameÚsplitr5   r6   r7   r:   r4   )	r=   r?   ÚinnerÚtxtrA   ÚkeyÚattachmentsÚlink_protectrR   s	         €€€r   Ú
_link_replz html_to_text.<locals>._link_repl­   s÷   ø€ Ø�w‰w�q‹zˆØ�?‰?˜=Ô)ØØ—‘˜“
ˆÜ�f‰f�Z  UÓ+ˆÜ×Ñ Ó$×*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	   rb   )r:   r3   r4   )r=   Útable_protects    €r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÉ   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,}r.   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SÚIr   Úfind_allr"   rM   rL   rn   ro   rp   rq   r5   r6   r7   r:   r4   Úreplace_withrP   rG   Ú	ExceptionÚattrsÚpopr   r   r   r   r<   Ú	enumerateÚsetÚadd) ÚcontentrR   Ú_soupr]   r?   rs   rA   rt   rf   ÚimgsÚsrcsrg   rh   rw   ÚtagÚattrr†   Ú	has_tableÚpartsÚblockÚbÚplainÚkÚvÚirY   ÚoutÚseenÚfinalru   rv   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)ÐLnÐpq×puÑpuÐv|ð  Aó  qBô  DF÷  DHñ  DHõ  CI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 $¨Õ-ñ.ð.ô ˜%“jˆGð €Mô2ô —Y‘Y˜°¼¿¹Ô>‘ÀA€IÜ�f‰fÐ/°¸GÌ2Ï4É4ÔRT×RVÑRVÉ;ÔW€Gä�f‰f�W˜j¨'¼¿¹Ô>€GÜ�f‰f�\ 4¨¼¿¹Ô=€GÜ�f‰fÐ@À"ÀgÔUW×UYÑUYÔZ€Gà€EØ—‘˜vÓ&ó  ˆØ�K‰K‹MˆÙØä�F‰FÐ+¨R°Ó3ˆÜ�F‰FÐ*¨B°Ó2ˆØ�I‰I�d˜BÓ×'Ñ'¨¨cÓ2ˆÜ�F‰F�<  aÓ(ˆÜ—‘�z 2 qÓ)ˆÜ×!Ñ! %Ó(ˆØ—‘˜f cÓ*×2Ñ2°8¸SÓAˆÜ—‘Ð7¸¸UÓCˆÙØØ ×&Ñ&Ó(ò 	 ‰DˆAˆqØ—	‘	˜!˜Q“‰Að	 ä Ó.ò 	0‰FˆAˆsØ—	‘	˜G A 3 b˜/¨3Ó/‰Að	0à�‰�Q—W‘W“YÖð' ð* �+‰+�eÓ
€CØ×"Ñ"Ó$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
$€Cà�	˜;Ð&Ð&øôy ò 	Úð	ûô6 ò 	Úð	úsG   ÄA:_; Å?C'_; É'_; É:1_; Ê,A/_; ÌA_; Î*A` ß;	`à`à	`à`c                 óž  — | j                  d|t        f«      }|j                  «       ry	 d}	 ddlm}  ||«      }| j                  d|||||t        t        t        ||f
«      }|j                  dkD  ryt        j                  dd|«      }	t        j                  |	«      }	t        j                  d	d
|	«      j                  «       d d }	| j                  d|j                  |t        |	f«       yy# t
        $ r Y Œ¼w xY w# t        j                   $ r=}
dt#        |
«      v r*t%        j&                  d«       t)        | |||||«      cY d }
~
S ‚ d }
~
ww xY w)Nz7SELECT id FROM gov_raw WHERE page_url=? AND site_name=?FÚotherr   )Úclassify_industryz¨INSERT OR IGNORE INTO gov_raw (page_url, source_url, title, content, publish_date, site_name, group_name, script_name, has_table, industry) VALUES (?,?,?,?,?,?,?,?,?,?)r.   r   r   r   éÈ   zTINSERT OR IGNORE INTO gov_search (rowid, title, site_name, summary) VALUES (?,?,?,?)TÚlockedr/   )ÚexecuteÚ	SITE_NAMEÚfetchoneÚcrawler_libr©   r�   Ú
GROUP_NAMEÚSCRIPT_NAMEÚrowcountr   r   r   r   r   Ú	lastrowidÚsqlite3ÚOperationalErrorrG   ÚtimeÚsleepÚstore_record)Úconnr)   r@   r•   r>   r›   ÚcurÚindustryr©   ÚsummaryÚes              r   r¸   r¸   	  sF  € Ø
�,‰,ÐPÐSVÔXaÐRbÓ
c€CØ
‡|�|„~ØðØˆð	Ý5Ù(¨Ó/ˆHð �l‰lð+ð �#�u˜g t¬Y¼
ÄKÐQZÐ\dÐeó	
ˆð �<‰<˜!ÒÜ—f‘f˜Z¨¨WÓ5ˆGÜ×'Ñ'¨Ó0ˆGÜ—f‘f˜V S¨'Ó2×8Ñ8Ó:¸4¸CÐ@ˆGØ�L‰LØfØ—‘ ¤y°'Ð:ôð Øøô# ò 	Ùð	ûô$ ×#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   rª   r   zHTTP )r"   r#   Ústatus_coder$   r%   ÚRuntimeError)r&   r)   r*   s      r   Úfetch_detailrÁ   +  sJ   € Ø�‰�C¤°"¸UˆÓC€AØ‡}�}˜ÒØˆŒ
Ø�v‰vˆÜ
˜˜qŸ}™}˜oÐ.Ó
/Ð/r   c                  ó&  — dd l } | j                  «       }|j                  j                  t        «       d }t
        s=t        j                  t        d¬«      }|j                  d«       |j                  d«       d}d}t        «       }g }t        dt        dz   «      D �]Ã  }	 t        ||«      }t!        |«      }
t        d|› dt#        |
«      › d�d	¬
«       |
st        dd	¬
«        �n||
D �]^  \  }}}||v rŒ|j%                  |«       	 t'        ||«      }t)        ||«      \  }}}|s|}|s|}t+        ||«      \  }}}t#        t-        j.                  dd|«      j1                  «       «      }t-        j2                  d|t,        j4                  «       xr | }|dk  s|rt        d|d d › �d	¬
«       |dz  }ŒÌt
        rD|j7                  |||||t8        t:        t<        dœ«       t        d|d d › d|› d�d	¬
«       |dz  }�Œt?        ||||||«      }|r|dz  }t        d|d d › d|› d�d	¬
«       n|dz  }tA        jB                  d«       �Œa tA        jB                  d«       �ŒÆ t
        rmtE        t
        dd¬«      5 }|D ]+  }|jG                  tI        jJ                  |d ¬!«      d"z   «       Œ- 	 d d d «       t        d#t
        › dt#        |«      › d$�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: r.   r   z<p[ >]é
   z  skip empty/placeholder: é(   )rR   r@   r•   Úpublish_dater›   Ú	site_nameÚ
group_nameÚscript_namez
  JSONL + z (ú)z  + g      Ð?g      à?Úwr   )r$   F)Úensure_asciir‡   zJSONL written: z rows)u   æ–°å¢ž: u   è·³è¿‡: z=== z	 done ===)(ÚrequestsÚSessionr   Úupdater#   r   r´   Úconnectr   r¬   r“   ÚrangeÚ_PAGESr+   r�   ÚprintrB   r4   r”   rÁ   rZ   r¦   r   r   r   rM   rŒ   r:   r­   r°   r±   r¸   r¶   r·   ÚopenÚwriteÚjsonÚdumpsÚcommitÚclose)rÎ   Úsr¹   Ú	new_countÚ
skip_countÚ	seen_urlsÚ
jsonl_rowsr'   r;   r½   r<   rA   r@   r>   ÚdhtmlÚdtitleÚddaterS   r•   r›   ÚattsÚ	plain_lenÚno_paraÚokÚfÚrows                             r   Úmainré   3  s™  € ÛØ×ÑÓ€AØ‡I�I×Ñ”WÔØ€DÝÜ�‰œw°Ô3ˆØ�‰Ð0Ô1Ø�‰Ð.Ô/à€IØ€JÜ“€IØ€Jä�aœ !™Ó$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__)2Ú__doc__Úsysrn   r   r¶   Úhtmlr   Úurllib.parser5   r´   r×   Úbs4r   ÚImportErrorr8   r    r9   r­   r°   r±   Úenvironr"   r   r   ÚENCÚcompiler‹   rŒ   r1   r#   Ú
_MAX_PAGESr’   Úargvr¢   r]   rm   Úintrq   Ú
ValueErrorr4   rÓ   r   r+   rB   rZ   r¦   r¸   rÁ   ré   Ú__name__© r   r   ú<module>rú      sÃ  ðñó Û 	Û 	Û Û Û Û Û ðÝ!ð
 $€Øu€Ø€Ø3€	Ø€
Ø"€Ø
�*‰*�.‰.˜Ð$9Ó
:€Ø�Z‰Z�^‰^˜L¨"Ó-€
Ø€Øˆr�z‰zðJà‡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%ò:E'òPòD0òN3ðb ˆzÒÙ…Fð øðQ 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