Ë
    $ñ£jïD  ã                   óÀ  — d Z ddlZddlZddlZddlZddlZddlZddlZ	ddl
m
Z
mZ 	 ddlmZ ej                  j!                  dd«      ZdZdZd	Zd
ZdZdZedz   Zedz   Z e
j4                  «        ed¬«      z
  j7                  d«      ZddddœZdZ eej@                  «      D ]k  \  Z!Z"e"jG                  d«      r	  e$e"jK                  dd«      d   «      ZŒ4e"dk(  sŒ:e!dz    e'ej@                  «      k  sŒS	  e$ej@                  e!dz      «      ZŒm edk\  rendZ(d„ Z)d"d„Z*d„ Z+d„ Z,d„ Z-d „ Z.e/d!k(  r e.«        yy# e$ r dZY �Œw xY w# e&$ r Y Œ­w xY w# e&$ r Y Œ¸w xY w)#u  
crawl_xaepb.py â€” è¥¿å®‰å¸‚ç”Ÿæ€�çŽ¯å¢ƒå±€ é€šçŸ¥å…¬å‘Š
https://xaepb.xa.gov.cn/xwzx/tzgg/1.html
CMS: é�™æ€� HTML ç«™ç¾¤ï¼ˆ/xwzx/tzgg/N.html åˆ†é¡µï¼‰
åˆ—è¡¨: <article class="card card-type">
        <a href="/xwzx/tzgg/<id>.html" title="å®Œæ•´æ ‡é¢˜" ...>
          <div class="news-date"><div class="date">11</div><div class="year">2026-09</div></div>
          <div class="news-info"><h3 class="title"><a href="..." title="å®Œæ•´æ ‡é¢˜">æ ‡é¢˜</a></h3>
                                 <div class="desc">æ‘˜è¦�â€¦</div></div>
        </a>
      </article>
åˆ†é¡µ: ç¬¬ 1-10 é¡µ = /xwzx/tzgg/{N}.htmlï¼›ç¬¬ 11 é¡µèµ· = /xwzx/tzgg/list/{N}.html
è¯¦æƒ…: /xwzx/tzgg/<id>.html
  meta ArticleTitle(å®Œæ•´æ ‡é¢˜) / PubDate(å¸¦æ—¶åˆ†)
  æ­£æ–‡: div.m-txt-article#articleï¼ˆä¿�ç•™ <p>/<table>ï¼‰
é    N)ÚdatetimeÚ	timedelta)ÚBeautifulSoupÚ
JSONL_PATHÚ úutf-8u%   è¥¿å®‰å¸‚ç”Ÿæ€�çŽ¯å¢ƒå±€-é€šçŸ¥å…¬å‘Šu   é™•è¥¿zcrawl_xaepb.pyu   é€šçŸ¥å…¬å‘Šzhttps://xaepb.xa.gov.cnz/xwzx/tzgg/%d.htmlz/xwzx/tzgg/list/%d.htmliG  )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?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=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_xaepb.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                 óØ  — t        t        «      }d }t        d«      D ]‘  }	 dd l}dd l}|j                  |j                  j                  «       |j                  | ||d¬«      }|j                  dk(  rt        |_        |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)Né   r   F)ÚheadersÚtimeoutÚverifyéÈ   zHTTP %séP   é   z  [fetch fail] éZ   z -> T©Úflush)ÚdictÚHEADERSÚrangeÚrequestsÚurllib3Údisable_warningsÚ
exceptionsÚInsecureRequestWarningÚgetÚstatus_codeÚENCÚencodingÚtextÚ	ExceptionÚstrÚtimeÚsleepÚprint)	Úurlr   ÚhÚlast_errÚattemptr*   r+   ÚrÚes	            r   Úfetchr?   J   sÍ   € ÜŒW‹€AØ€HÜ˜“8ò ˆð		#ß$Ø×$Ñ$ W×%7Ñ%7×%NÑ%NÔOØ—‘˜S¨!°WÀU�ÓKˆAØ�}‰} Ò#Ü �”
Ø—v‘v’Ø  1§=¡=Ñ0ˆHô 	�
‰
�1�ðõ 
 s¨3¨B¢x±Ð
:À$ÕGØøô	 ò 	#Ü˜1“v˜c˜r�{�Hûð	#ús   ¡A'CÂCÃ	C)ÃC$Ã$C)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        $ r Y �Œ‰w xY w)LuR   æ­£æ–‡ HTML æ¸…æ´—ï¼šä¿�ç•™ <p>/<table>ï¼Œé™„ä»¶è½¬ <p><a>ç»�å¯¹URL</a></p> æ®µè�½r   r   z
<!--.*?-->)Úflagsz<meta[^>]*>z<script[^>]*>.*?</script>z<style[^>]*>.*?</style>u   ã€�å­—å�·ï¼š[^ã€‘]*ã€‘úhtml.parserÚaT©ÚhrefrE   Úappendixzdata-appendixz&\.(pdf|docx?|xlsx?|zip|rar|wps|et|ofd)z/module/download/ÚoldsrcÚOLDSRCz^(?:javascript:|mailto:|tel:|#)©r   Ú_titleÚtitleú?õ   é™„ä»¶z__ATTACH__%d__ú	<a href="ú" target="_blank">ú</a>ÚimgÚsrcz(icons?/|fileTypeImages/icon_)ÚpÚaltu   å›¾ç‰‡z__IMG__%d__z<p>z<br/>z</p>z<p><a href="z</a></p>c                 óÀ  •— | j                  d«      }t        j                  d|t        j                  «      r2|j	                  «       j                  d«      rdS | j                  d«      S | j                  d«      }t        j                  dd|«      }t        j                  |«      j                  «       }t        j                  dd|«      j                  «       }|s5t        j                  j                  |j                  d	«      d   «      xs d
}t        j                  j!                  ‰|«      }‰j#                  ||f«       dt%        ‰«      z  }d|›d|›d�‰|<   |S )Nr   z&^(?:javascript:|mailto:|tel:|s?ftp:|#)zjavascript:r   r   r#   r   u   ^é™„ä»¶[:ï¼š]\s*rL   rM   z__LINK__%d__rN   rO   rP   )Úgroupr   ÚmatchÚIÚlowerÚ
startswithr   r   r   r   ÚosÚpathÚbasenameÚsplitÚurllibÚparseÚurljoinÚappendÚlen)	ÚmrE   ÚinnerÚtxtÚabs_urlÚkeyÚattachmentsÚlink_protectÚpage_urls	         €€€r   Ú
_link_replz html_to_text.<locals>._link_repl£   s  ø€ Ø�w‰w�q‹zˆÜ�8‰8Ð=¸tÄRÇTÁTÔJØŸ™›×0Ñ0°Ô?�2ÐOÀQÇWÁWÈQÃZÐOØ—‘˜“
ˆÜ�f‰f�Z  UÓ+ˆÜ×Ñ Ó$×*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   )rb   rV   rc   )rd   Útable_protects    €r   Ú	_tbl_replzhtml_to_text.<locals>._tbl_replÈ   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‰)]?$r{   ú<p[ >]ú<a[ >]z	<p>%s</p>z __(?:LINK|TBL|IMG|ATTACH)__\d+__z[ \t]+\nz\n{3,}r   )$r   r   ÚSrX   r   Úfind_allr/   Úsearchr   rW   Úget_textr[   r\   r]   r^   r_   r`   ra   rb   rc   Úreplace_withÚ	decomposeÚjoinr5   r4   ÚattrsÚpopÚfindÚunwrapr   r   r   ÚitemsÚ	enumerateÚsetÚadd))Úcontentrk   Ú_souprC   rE   Ú_hrefÚ_oldsrcÚ	real_hrefrf   rg   rh   rQ   rR   rS   ÚimgsÚsrcsrl   ÚtagÚattrÚdr}   Ú	has_tableÚprevÚpartsÚblockÚbÚplainÚkÚvÚiÚtblÚoutÚseenÚfinalÚdedupÚseen_uÚur   ri   rj   r|   s)    `                                    @@@r   Úhtml_to_textr­   ]   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
$€Càœ›ˆ6€EØò ‰ˆˆ1Ø�‰;ØØ�
‰
�1ŒØ�‰�a˜�VÕð	ð �	˜5Ð Ð øô] ò 	Úð	ûôF ò 	Úð	úsG   Ã-A3k7 Å!F+k7 Ì:k7 Ík7 ÍCk7 Ð8E k7 Ö>Cl ë7	lìlì	lìlc                 óÎ  — g }t         s|S t        | d«      }|j                  dt        j                  d«      ¬«      D �]$  }|j	                  dd¬«      }|sŒ|j                  d«      xs d	j                  «       }t        |j                  d
«      xs d	«      }|s/|j	                  d«      }|rt        |j                  dd¬«      «      }|rt        |«      dk  rŒ�t        j                  d|«      sŒ´|j                  d«      r
t        |z   }n1|j                  d«      s t        j                  j                  ||«      }d	}	|j	                  dt        j                  d«      ¬«      }
|
rç|
j	                  dt        j                  d«      ¬«      }|
j	                  dt        j                  d«      ¬«      }|r™|r—t        j                   dd	|j                  d¬«      «      }t        j                  d|j                  d¬«      «      }|rH|rF|j#                  d«      ›d|j#                  d«      j%                  d«      ›d|j%                  d«      ›�}	|j'                  |||	f«       �Œ' |S )NrB   Úarticlez	card-type)Úclass_rC   TrD   rE   r   rK   Úh3r   rI   r#   z/xwzx/tzgg/\d+\.htmlú/Úhttprx   z	news-datez\bdate\bz\byear\bz\Dz(\d{4})[-/](\d{1,2})r   ú-)r   r…   r   Úcompiler�   r/   r   r   r‡   rc   r†   rZ   ÚBASE_URLr_   r`   ra   r   rV   Úzfillrb   )Ú	html_textrk   r�   ÚsoupÚartrC   rE   rK   r±   ÚdateÚndÚddayÚdyearÚddÚyms                  r   Ú
parse_listrÁ     só  € Ø€EÝØˆÜ˜ MÓ2€DØ�}‰}˜Y¬r¯z©z¸,Ó/Gˆ}ÓHó *ˆØ�H‰H�S˜tˆHÓ$ˆÙØØ—‘�f“Ò# ×*Ñ*Ó,ˆÜ˜AŸE™E '›NÒ0¨bÓ1ˆÙØ—‘˜$“ˆBÙÜ# B§K¡K°¸4 KÓ$@ÓA�Ùœ˜E›
 QšØÜ�y‰yÐ0°$Ô7ØØ�?‰?˜3ÔÜ˜d‘?‰DØ—‘ Ô(Ü—<‘<×'Ñ'¨°$Ó7ˆDàˆØ�X‰X�e¤B§J¡J¨|Ó$<ˆXÓ=ˆÙØ—7‘7˜5¬¯©°KÓ)@�7ÓAˆDØ—G‘G˜E¬"¯*©*°[Ó*A�GÓBˆEÙ™Ü—V‘V˜E 2 t§}¡}¸4 }Ó'@ÓA�Ü—Y‘YÐ6¸¿¹ÈT¸Ó8RÓS�Ù™"Ø)+¯©°!­°b·h±h¸q³k×6GÑ6GÈÕ6JÈBÏHÉHÐUVÌKÐX�DØ�‰�d˜E 4Ð(Ö)ð;*ð< €Lr   c                 ó   — dx}x}}d }t         �r˜	 t        | d«      }|j                  ddt        j                  dt        j                  «      i¬«      }|r|j                  d«      rt        |d   «      }|j                  ddt        j                  dt        j                  «      i¬«      }|r�|j                  d«      rpt        j                  d	|d   «      }|rU|j                  d
«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�}|s.|j                  d«      }	|	rt        |	j                  d¬«      «      }|j                  d¬«      xs |j                  d«      }
|
r"dj                  d„ |
j                  D «       «      }|s�t        j                  d| t        j                  t        j                  z  «      }|ret        |j                  d
«      «      }t        j                   d|«      D �cg c]  }|j#                  «       sŒ|‘Œ }}|r|d   j#                  «       n|}|smt        j                  d| «      }|rU|j                  d
«      ›d|j                  d«      j                  d«      ›d|j                  d«      j                  d«      ›�}|||fS # t        $ r Y �Œw xY wc c}w )Nr   rB   ÚmetaÚnameÚArticleTitle)r‹   r“   ÚPubDatez!(\d{4})[-/](\d{1,2})[-/](\d{1,2})r   r´   r#   r   Úh1TrI   r¯   )Úidzdiv.m-txt-articlec              3   ó2   K  — | ]  }t        |«      –— Œ y ­w)N)r5   )Ú.0Úcs     r   ú	<genexpr>zparse_detail.<locals>.<genexpr>K  s   è ø€ Ò&C°!¤s¨1§vÑ&Cùs   ‚z<title>(.*?)</title>z[-|]r   u'   (\d{4})[-å¹´/](\d{1,2})[-æœˆ/](\d{1,2}))r   r�   r   rµ   rX   r/   r   r†   rV   r·   r‡   Ú
select_onerŠ   Úcontentsr4   r„   r^   r   )r¸   rk   rK   r»   Úcontent_htmlr¹   ÚmtÚmdÚdmrÇ   Úelrd   r   rS   rŸ   s                  r   Úparse_detailrÔ   7  sA  € Ø"$Ð$€EÐ$ˆD�<Ø€DÞð	Ü  ¨MÓ:ˆDØ—‘˜6¨&´"·*±*¸_ÌbÏdÉdÓ2SÐ)T�ÓUˆBÙ�b—f‘f˜YÔ'Ü# B y¡MÓ2�Ø—‘˜6¨&´"·*±*¸ZÌÏÉÓ2NÐ)O�ÓPˆBÙ�b—f‘f˜YÔ'Ü—Y‘YÐCÀRÈ	Á]ÓS�ÙØ)+¯©°!­°b·h±h¸q³k×6GÑ6GÈÕ6JÈBÏHÉHÐUVËK×L]ÑL]Ð^_ÔL`Ða�DÙØ—Y‘Y˜t“_�ÙÜ'¨¯©¸$¨Ó(?Ó@�EØ—‘˜i�Ó(ÒP¨D¯O©OÐ<OÓ,PˆBÙØ!Ÿw™wÑ&C°r·{±{Ô&CÓC�ñ Ü�I‰IÐ-¨y¼"¿$¹$ÄÇÁ¹+ÓFˆÙÜ˜AŸG™G A›JÓ'ˆAÜ "§¡¨°!Ó 4ÖB˜1¸¿¹½	’QÐBˆEÐBÙ(-�E˜!‘H—N‘NÔ$°1ˆEÙÜ�Y‰YÐAÀ9ÓMˆÙØ!#§¡¨!¥¨b¯h©h°q«k×.?Ñ.?ÀÕ.BÀBÇHÁHÈQÃK×DUÑDUÐVWÔDXÐYˆDØ�$˜Ð$Ð$øô ò 	Úð	üò Cs   ‘FJ; ÈKÈ*KÊ;	KËKc                  óò  — 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 }t!        dt        dz   «      D �]\  }|dkD  r	t"        |z  nt$        |z  }		 t'        |	«      }
|
st        d	|z  d¬«        �n$t+        |
|	«      }|st        d
|z  d¬«        �nt        d|t-        |«      fz  d¬«       |D �]²  \  }}}||v rŒ|j/                  |«       |r|t        k  r|dz  }Œ/t'        |«      }|s|dz  }ŒBt1        ||«      \  }}}|s|}|s|}t3        ||«      \  }}}t-        t5        j6                  dd|«      j9                  «       «      }t5        j:                  d|t4        j<                  «       xr+ t5        j:                  d|t4        j<                  «       xr | }|dk  s|rt        d|d d z  d¬«       |dz  }�Œt        ||||d|t>        dt@        |r-tC        jD                  |D ��cg c]
  \  }}||dœ‘Œ c}}d¬«      nddœ}tF        r|jI                  |«       n|jI                  |«       |dz  }t        d|d d |||rdndfz  d¬«       tK        jL                  d«       �Œµ tF        s|r ||t        ¬«       g }tK        jL                  d«       �Œ_ tF        rltO        tF        dd¬«      5 }|D ]+  }|jQ                  tC        jD                  |d¬«      d z   «       Œ- 	 d d d «       t        d!tF        t-        |«      fz  d¬«       n|r ||t        ¬«       t        d"|||fz  d¬«       t        d#t        z  d¬«       y # t(        $ r}t        d||fz  d¬«       Y d }~ ŒËd }~ww xY wc c}}w # 1 sw Y   Œ�xY w)$Nr   )Úpush_to_searchdbz"=== %s (%s) pages=%d cutoff=%s ===Tr%   r   é
   zPage %d fetch error: %szPage %d: empty, stopzPage %d: no items, stopzPage %d: found %d itemsr   r   r‚   rƒ   r   z  skip empty/placeholder: %sé(   )rK   r9   F)Úensure_ascii)Ú	site_nameÚ
source_urlr9   rK   Úpub_dateÚsummaryr“   ÚcategoryÚtagsÚ
group_nameri   u     + %s (%s, %då­—%s)é&   u   , è¡¨æ ¼gš™™™™™É?)Úbatch_labelg333333Ó?Úwr   )r2   r~   zJSONL written: %s (%d rows)u*   æ–°å¢ž: %d | è·³è¿‡: %d | CUTOFFæˆªæ–­: %dz=== %s done ===))r*   Úsysr\   Úinsertr[   ÚdirnameÚabspathÚ__file__Úcrawler_librÖ   r8   Ú	SITE_NAMEÚSCRIPT_NAMEÚ_PAGESÚCUTOFFr‘   r)   ÚLIST_TPL_DEEPÚLIST_TPLr?   r4   rÁ   rc   r’   rÔ   r­   r   r   r   r†   rX   ÚCATEGORYÚ
GROUP_NAMEÚjsonÚdumpsr   rb   r6   r7   ÚopenÚwrite)r*   rÖ   Ú	new_countÚ
skip_countÚcutoff_countÚ	seen_urlsÚ
jsonl_rowsÚbatchÚpager9   r¸   r>   r�   rg   rK   r»   ÚdhtmlÚdtitleÚddaterÏ   r“   r�   ÚattsÚ	plain_lenÚno_parar¬   r   ÚitemÚfÚrows                                 r   Úmainr  [  sÑ  € 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€Eä�aœ !™Ó$ó ;ˆØ&*¨R¢iŒm˜dÒ"´XÀ±_ˆð	Ü˜c›
ˆIñ ÜÐ(¨4Ñ/°tÕ<ÚÜ˜9 cÓ*ˆÙÜÐ+¨dÑ2¸$Õ?ÚÜÐ'¨4´°U³Ð*<Ñ<ÀDÕIà$)ó '	Ñ ˆG�U˜DØ˜)Ñ#ØØ�M‰M˜'Ô"Ù˜œvšØ Ñ!�ØÜ˜'“NˆEÙØ˜a‘�
ØÜ*6°u¸gÓ*FÑ'ˆF�E˜<ÙØ�ÙØ�Ü'3°LÀ'Ó'JÑ$ˆG�Y ÜœBŸF™F :¨r°7Ó;×AÑAÓCÓDˆIÜŸ9™9 Y°¼¿¹Ó>Ð>ò UÜ!Ÿy™y¨°G¼R¿T¹TÓBÐBòUØKTÀ}ð à˜1Š}¡ÜÐ4°v¸c¸r°{ÑBÈ$ÕOØ˜a‘�
Ùä&°gÀgØ¨U¸rØ"´À"Ü(áVZô  $Ÿz™zØ8<×=±°°1˜q¨Ó+Ó=ÈEõ SØ`bñˆDõ Ø×!Ñ! $Õ'à—‘˜TÔ"Ø˜‰NˆIÜÐ(¨F°3°B¨K¸À	Ù9B©:Èð,Lñ LØSWõYä�J‰J�sŽOðO'	õP ™eÙ˜U´Õ<ØˆEÜ�
‰
�3Žðw;õz Ü”*˜c¨GÔ4ð 	D¸Ø!ò D�Ø—‘œŸ
™
 3°UÔ;¸dÑBÕCñD÷	Dô 	Ð+¬z¼3¸z»?Ð.KÑKÐSWÖXáÙ˜U´Õ<ä	Ð
6¸)ÀZÐQ]Ð9^Ñ
^ÐfjÕkÜ	Ð
œiÑ
'¨tÖ4øôG ò 	ÜÐ+¨t°Q¨iÑ7¸tÕDÝûð	üóT >÷ 	Dð 	Dús*   ÃN>É&O'"Ì,1O-Î>	O$ÏOÏO$Ï-O6Ú__main__)é   )0Ú__doc__rä   r[   r   r6   rò   Úhtmlr   Úurllib.parser_   r   r   Úbs4r   ÚImportErrorÚenvironr/   r   r1   rê   rñ   rë   rð   r¶   rï   rî   ÚnowÚstrftimerí   r(   Ú
_MAX_PAGESr�   Úargvr¥   rC   rZ   Úintr^   Ú
ValueErrorrc   rì   r   r?   r­   rÁ   rÔ   r  Ú__name__© r   r   ú<module>r     sª  ðñ÷  ?× >× >Ó >ß (ðÝ!ð �Z‰Z�^‰^˜L¨"Ó-€
Ø€à3€	Ø€
Ø€Ø€Ø$€ØÐ*Ñ*€ØÐ4Ñ4€à
ˆ(�,‰,‹.™9¨'Ô2Ñ
2×	<Ñ	<¸ZÓ	H€ðCà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	óò&q!òh#òL!%òHT5ðn ˆzÒÙ…Fð øðu ò ØƒMðûð8 ò 	Ùð	ûð
 ò 	Ùð	ús5   ¨D< Â<E
Ã8EÄ<EÅEÅ
EÅEÅEÅE