Ë
    $ñ£jL;  ã                   óÌ  — d Z ddlZddlZddlZddlZddlZddlZddlZ	ddl
m
Z
mZ 	 ddlmZ ej                  j!                  dd«      ZdZdZd	Zd
ZdZdZdZedez  z   Zedz   ZdZ e
j8                  «        ed¬«      z
  j;                  d«      ZddddeedœZdZ  e!ejD                  «      D ]k  \  Z#Z$e$jK                  d«      r	  e&e$jO                  dd«      d   «      Z Œ4e$dk(  sŒ:e#dz    e)ejD                  «      k  sŒS	  e&ejD                  e#dz      «      Z Œm e dk\  re ndZ*d„ Z+d„ Z,d „ Z-d!„ Z.d"„ Z/e0d#k(  r e/«        yy# e$ r dZY �Œw xY w# e($ r Y Œ©w xY w# e($ r Y Œ´w xY w)$uÑ  
crawl_sdde.py â€” ä¸œé˜¿åŽ¿ï¼ˆè�ŠåŸŽï¼‰çŽ¯è¯„å®¡æ‰¹ä¿¡æ�¯
http://www.sdde.gov.cn/channel_66bc2844a73fd74b5ed13b4f/
CMS: å±±ä¸œæ”¿åŠ¡å…¬å¼€å¹³å�°ï¼ˆlayui/sea.js å‰�ç«¯ï¼‰+ JSON API
åˆ—è¡¨: POST http://www.sdde.gov.cn/api/mDocument
      body: {"method":"mList","params":{"channel_name":"66bc2844a73fd74b5ed13b4f",
             "per_page":10,"page":N,"and":[]},"url":"<åˆ—è¡¨é¡µ URL>"}
      resp: {"total":420,"page":1,"per_page":10,
             "items":[{"title":â€¦, "content":"<p>â€¦</p>", "release":"YYYY-MM-DD HH:MM:SS",
                       "_createtime":â€¦, "router":"http://â€¦/doc_<id>.html", "id":â€¦}]}
      content å�³å®Œæ•´æ­£æ–‡ HTMLï¼ˆæ— éœ€å†�æŠ“è¯¦æƒ…é¡µï¼‰
è¯¦æƒ…: item.routerï¼ˆdoc_<hash>.htmlï¼‰
é    N)ÚdatetimeÚ	timedelta)ÚBeautifulSoupÚ
JSONL_PATHÚ úutf-8u   ä¸œé˜¿åŽ¿-çŽ¯è¯„å®¡æ‰¹ä¿¡æ�¯u   å±±ä¸œzcrawl_sdde.pyu   çŽ¯è¯„å®¡æ‰¹ä¿¡æ�¯zhttp://www.sdde.gov.cnÚ66bc2844a73fd74b5ed13b4fz/channel_%s/z/api/mDocumenté
   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!application/json, text/plain, */*zzh-CN,zh;q=0.9zapplication/json)z
User-AgentÚAcceptzAccept-LanguagezContent-TypeÚRefererÚOriginé   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_sdde.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                 ó>  — dd l }dd l}|j                  |j                  j                  «       dt
        t        | g dœt        dœ}d }t        d«      D ]“  }	 |j                  t        t        t        j                  |«      dd¬«      }|j                  d	k(  r,t        |_        t        j"                  |j$                  «      c S d
|j                  z  }t+        j,                  d«       Œ• t/        d| |fz  d¬«       y # t&        $ r}t)        |«      d d }Y d }~ŒFd }~ww xY w)Nr   ÚmList)Úchannel_nameÚper_pageÚpageÚand)ÚmethodÚparamsÚurlé   é   F)ÚheadersÚdataÚtimeoutÚverifyéÈ   zHTTP %séP   é   z  [list fail] page %d -> %sT©Úflush)ÚrequestsÚurllib3Údisable_warningsÚ
exceptionsÚInsecureRequestWarningÚCHANNELÚPER_PAGEÚ	LIST_PAGEÚrangeÚpostÚAPI_URLÚHEADERSÚjsonÚdumpsÚstatus_codeÚENCÚencodingÚloadsÚtextÚ	ExceptionÚstrÚtimeÚsleepÚprint)r$   r4   r5   ÚbodyÚlast_errÚattemptÚrÚes           r   Ú
fetch_listrQ   L   sû   € ßØ×Ñ˜W×/Ñ/×FÑFÔGàÜ#*¼È$ÐWYÑZÜñ€Dð
 €HÜ˜“8ò 
ˆð	#Ø—‘œg¬w¼T¿Z¹ZÈÓ=MØ&(°ð ó 8ˆAà�}‰} Ò#Ü �”
Ü—z‘z !§&¡&Ó)Ò)Ø  1§=¡=Ñ0ˆHô 	�
‰
�1�ð
ô 
Ð
'¨4°Ð*:Ñ
:À$ÕGØøô	 ò 	#Ü˜1“v˜c˜r�{�Hûð	#ús   ÁA)C;ÃC;Ã;	DÄDÄD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€‘zhtml.parserÚaT)ÚhrefrU   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   r1   r   u   ^é™„ä»¶[:ï¼š]\s*r[   r\   z__LINK__%d__r]   r^   r_   )Úgroupr   ÚmatchÚIÚlowerÚ
startswithr   r   r   r   ÚosÚpathÚbasenameÚsplitÚurllibÚparseÚurljoinÚappendÚlen)	ÚmrU   ÚinnerÚtxtÚabs_urlÚkeyÚattachmentsÚlink_protectÚpage_urls	         €€€r   Ú
_link_replz html_to_text.<locals>._link_replª   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   )rq   re   rr   )rs   Útable_protects    €r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÏ   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‰)]?$rŠ   ú<p[ >]ú<a[ >]z	<p>%s</p>z __(?:LINK|TBL|IMG|ATTACH)__\d+__z[ \t]+\nz\n{3,}r   )$r   r   ÚSrg   r   Úfind_allÚgetÚsearchr   rf   Úget_textrj   rk   rl   rm   rn   ro   rp   rq   rr   Úreplace_withÚ	decomposeÚjoinrH   rG   ÚattrsÚpopÚfindÚunwrapr   r   r   ÚitemsÚ	enumerateÚsetÚadd))Úcontentrz   Ú_souprT   rU   Ú_hrefÚ_oldsrcÚ	real_hrefru   rv   rw   r`   ra   rb   ÚimgsÚsrcsr{   ÚtagÚattrÚdrŒ   Ú	has_tableÚprevÚpartsÚblockÚbÚplainÚkÚvÚiÚtblÚoutÚseenÚfinalÚdedupÚseen_uÚur   rx   ry   r‹   s)    `                                    @@@r   Úhtml_to_textr½   d   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                 óä   — | syt        j                  d| «      }|rU|j                  d«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�S y)Nr   z!(\d{4})[-/](\d{1,2})[-/](\d{1,2})r   ú-r1   r)   )r   r–   re   Úzfill)Úsrs   s     r   Ú	norm_daterÂ     sZ   € ÙØÜ
�	‰	Ð6¸Ó:€AÙØŸW™W Q�Z¨¯©°«×)9Ñ)9¸!Õ)<¸a¿g¹gÀa»j×>NÑ>NÈqÔ>QÐRÐRØr   c                  óv	  — 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 }d }t!        dt        dz   «      D �]E  }	t#        |	«      }
|
€t        d|	z  d¬«        �n%|€3|
j%                  d«      }t        d	|›d
|
j%                  d«      ›�d¬«       |
j%                  d«      xs g }|st        d|	z  d¬«        �nÆt        d|	t'        |«      fz  d¬«       |D �]u  }t)        |j%                  d«      xs d«      }|rt'        |«      dk  rŒ3|j%                  d«      s|j%                  d«      rŒV|j%                  d«      xs dj+                  «       }|sŒ|t,        j.                  j1                  t2        dz   |«      }||v rŒ¨|j5                  |«       t7        |j%                  d«      xs |j%                  d«      xs d«      }|r|t        k  r|dz  }Œû|j%                  d«      xs d}t9        |t:        «      r|j%                  dd«      }t=        ||«      \  }}}t'        t?        j@                  dd|«      j+                  «       «      }t?        jB                  d|t>        jD                  «       xr+ t?        jB                  d|t>        jD                  «       xr | }|dk  s|rt        d|d d z  d¬«       |dz  }�Œät        ||||d|tF        dtH        |r-tK        jL                  |D ��cg c]
  \  }}||dœ‘Œ c}}d ¬!«      ndd"œ}tN        r|jQ                  |«       n|jQ                  |«       |dz  }t        d#|d d$ |||rd%ndfz  d¬«       �Œx tN        s|r ||t        ¬&«       g }tS        jT                  d'«       �ŒH tN        rltW        tN        d(d)¬*«      5 }|D ]+  }|jY                  tK        jL                  |d ¬!«      d+z   «       Œ- 	 d d d «       t        d,tN        t'        |«      fz  d¬«       n|r ||t        ¬&«       t        d-|||fz  d¬«       t        d.t        z  d¬«       y c c}}w # 1 sw Y   ŒgxY w)/Nr   )Úpush_to_searchdbz"=== %s (%s) pages=%d cutoff=%s ===Tr2   r   zPage %d: api fail, stopÚtotalztotal=z
 per_page=r#   rŸ   zPage %d: no items, stopzPage %d: found %d itemsrZ   r   r1   ÚislinkÚissourceÚrouterú/ÚreleaseÚ_createtimer£   r   r‘   r’   r   z  skip empty/placeholder: %sé(   )rZ   r(   F)Úensure_ascii)Ú	site_nameÚ
source_urlr(   rZ   Úpub_dateÚsummaryr£   ÚcategoryÚtagsÚ
group_namerx   u     + %s (%s, %då­—%s)é&   u   , è¡¨æ ¼)Úbatch_labelg333333Ó?Úwr   )rD   r�   zJSONL written: %s (%d rows)u*   æ–°å¢ž: %d | è·³è¿‡: %d | CUTOFFæˆªæ–­: %dz=== %s done ===)-r4   Úsysrk   Úinsertrj   ÚdirnameÚabspathÚ__file__Úcrawler_librÄ   rK   Ú	SITE_NAMEÚSCRIPT_NAMEÚ_PAGESÚCUTOFFr¡   r<   rQ   r•   rr   r   r   rn   ro   rp   ÚBASE_URLr¢   rÂ   Ú
isinstanceÚdictr½   r   r   r–   rg   ÚCATEGORYÚ
GROUP_NAMEr@   rA   r   rq   rI   rJ   ÚopenÚwrite)r4   rÄ   Ú	new_countÚ
skip_countÚcutoff_countÚ	seen_urlsÚ
jsonl_rowsÚbatchrÅ   r$   r,   rŸ   rO   rZ   rÈ   rv   ÚdateÚcontent_htmlr£   r­   ÚattsÚ	plain_lenÚno_parar¼   r   ÚitemÚfÚrows                               r   Úmainr÷   !  sJ  € ÛÜ‡H�H‡O�O�A”r—w‘w—‘¤r§w¡w§¡´xÓ'@ÓAÔBÝ,ä	Ð
.´)¼[Ì&ÔRXÐ1YÑ
YØõð -.Ð-€IÐ-�
˜\Ü“€IØ€JØ€EØ€Eä�aœ !™Ó$ó <ˆÜ˜$ÓˆØˆ<ÜÐ+¨dÑ2¸$Õ?ÚØˆ=Ø—H‘H˜WÓ%ˆEÝªE°4·8±8¸JÔ3GÐHÐPTÕUØ—‘˜Ó!Ò' RˆÙÜÐ+¨dÑ2¸$Õ?ÚÜÐ'¨4´°U³Ð*<Ñ<ÀDÕIàó *	YˆAÜ §¡ g£Ò 4°"Ó5ˆEÙœC ›J¨šNØØ�u‰u�XŒ !§%¡%¨
Ô"3ØØ—e‘e˜H“oÒ+¨×2Ñ2Ó4ˆFÙØÜ—l‘l×*Ñ*¬8°c©>¸6ÓBˆGØ˜)Ñ#ØØ�M‰M˜'Ô"Ü˜QŸU™U 9Ó-ÒK°·±°}Ó1EÒKÈÓLˆDÙ˜œvšØ Ñ!�ØØŸ5™5 Ó+Ò1¨rˆLÜ˜,¬Ô-Ø+×/Ñ/°	¸2Ó>�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°u¸S¸b°zÑAÈÕNØ˜a‘�
Ùä&°gÀgØ¨D¸RØ"´À"Ü(áVZô  $Ÿz™zØ8<×=±°°1˜q¨Ó+Ó=ÈEõ SØ`bñˆDõ Ø×!Ñ! $Õ'à—‘˜TÔ"Ø˜‰NˆIÜÐ(¨E°#°2¨J¸¸iÙ9B©:Èð,Lñ LØSW÷YðS*	YõV ™eÙ˜U´Õ<ØˆEÜ�
‰
�3Žðy<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4ùó1 >÷	Dð 	Dús   Í&R)"Ð1R/Ò/R8Ú__main__)1Ú__doc__rØ   rj   r   rI   r@   Úhtmlr   Úurllib.parsern   r   r   Úbs4r   ÚImportErrorÚenvironr•   r   rC   rÞ   ræ   rß   rå   râ   r9   r;   r>   r:   ÚnowÚstrftimerá   r?   Ú
_MAX_PAGESr    Úargvrµ   rT   ri   Úintrm   Ú
ValueErrorrr   rà   r   rQ   r½   rÂ   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#€Ø
$€Ø�~¨Ñ/Ñ/€	Ø
Ð%Ñ
%€Ø€à
ˆ(�,‰,‹.™9¨'Ô2Ñ
2×	<Ñ	<¸ZÓ	H€ðCà1Ø'Ø&Ø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	òò0q!òhòV5ðr ˆzÒÙ…Fð øðK ò ØƒMðûðB ò 	Ùð	ûð
 ò 	Ùð	ús5   ¨E ÃEÄEÅEÅEÅEÅEÅE#Å"E#