Ë
    ¸¬uj£%  ã                   óÒ  — d Z ddlZddlZddlZddlZddlmZ ddlZddlmZ dZ	dZ
dZdZd	Zd
diZ ej                  «       Zej"                  j%                  e«       d„ Zd„ Zd„ Zefd„Zd„ Zd„ Zefd„Zedk(  rbeZ eej:                  «      dkD  rAej:                  dd D ]/  Zej?                  d«      sŒ	  e ejC                  d«      d   «      ZŒ1  ee¬«       yy# e"$ r Y ŒDw xY w)u¯   
å¼ åŒ—åŽ¿äººæ°‘æ”¿åºœ - å…¬å‘Šå…¬ç¤º çˆ¬è™«
CMS: JTopCMS
åˆ—è¡¨: /channel/list/19.html (page1) + /xxgk/list/list.thtml?classId=19&orgCode=&pn=N
è¯¦æƒ…: /single/19/XXXXX.html
é    N)Údatetime)ÚBeautifulSoupzhttps://www.zjkzb.gov.cnu   å¼ åŒ—åŽ¿äººæ°‘æ”¿åºœu	   æ²³åŒ—çœ�z/mnt/data/search.dbéÕ   z
User-AgentzoMozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36c                 óR   — | syt        j                  dd| «      j                  «       S )NÚ z\s+ú )ÚreÚsubÚstrip)Útexts    ú%/root/gov_crawler/crawl_zjkzb_gsgg.pyÚ
clean_textr   #   s$   € ÙØÜ�6‰6�&˜#˜tÓ$×*Ñ*Ó,Ð,ó    c                 óv   — t        | t        «      r)| dkD  r$t        j                  | «      j	                  d«      S y)Nr   z%Y-%m-%dr   )Ú
isinstanceÚintr   ÚfromtimestampÚstrftime)Útss    r   Útimestamp_to_dater   )   s1   € Ü�"”cÔ˜r AšvÜ×%Ñ% bÓ)×2Ñ2°:Ó>Ð>Ør   c                 ó~  — | syt        | d«      } |ddg«      D ]  }|j                  «        Œ g }|j                  D �]m  }|j                  sŒ|j                  dk(  r'|j	                  d¬«      }|sŒ5|j                  |«       ŒG|j                  dk(  r|j                  t        |«      «       Œq|j                  d	v r„|j                  dd¬
«      D ]:  }|j                  d«      rŒ|j	                  d¬«      }|sŒ*|j                  |«       Œ< |j                  dd¬
«      D ]  }|j                  t        |«      «       Œ �Œ|j                  dk(  s�Œ|j                  dd«      }|j                  dd«      }	|s�Œ<|j                  d«      r	t        |z   }|j                  d|	› d|› d�«       �Œp dj                  |«      S )uF   æ��å�–æ­£æ–‡ï¼Œå�ªå¤„ç�†ç›´æŽ¥å­�å…ƒç´ é�¿å…�é‡�å¤�ï¼Œè¡¨æ ¼ä¿�æŒ�HTMLr   úhtml.parserÚscriptÚstyleÚpT)r   Útable)ÚdivÚsectionÚarticle)Ú	recursiveÚimgÚsrcÚaltú/z![z](ú)ú

)r   Ú	decomposeÚchildrenÚnameÚget_textÚappendÚstrÚfind_allÚfind_parentÚgetÚ
startswithÚBASE_URLÚjoin)
Úhtml_contentÚsoupÚtagÚpartsÚchildÚtr   Útblr"   r#   s
             r   Úclean_content_htmlr:   /   s’  € áØÜ˜ }Ó5€DÙ�X˜wÐ'Ó(ò ˆØ�‰�ðà€EØ—‘ó 1ˆØ�zŠzØØ�:‰:˜ÒØ—‘ T�Ó*ˆAÚØ—‘˜Q•Ø�Z‰Z˜7Ò"Ø�L‰Lœ˜U›Õ$Ø�Z‰ZÐ8Ñ8Ø—^‘^ C°4�^Ó8ò $�Ø—=‘= Ô)ØØ—J‘J T�JÓ*�ÚØ—L‘L •Oð$ð —~‘~ g¸�~Ó>ò '�Ø—‘œS ›XÕ&ò'à�Z‰Z˜5Ô Ø—)‘)˜E 2Ó&ˆCØ—)‘)˜E 2Ó&ˆCÛØ—>‘> #Ô&Ü" S™.�CØ—‘˜r #  b¨¨¨QÐ/Ö0ð11ð2 �;‰;�uÓÐr   c                 ó´  — g }t        d| dz   «      D �]œ  }|dk(  r
t        › d�}nt        › d|› �}t        d|› d�d¬«       	 t        j	                  |d¬	«      }d
|_        |j                  dk7  rt        d|j                  › �«        |S 	 t        |j                  d«      }|j                  dd¬«      }|st        d«        |S |j                  d«      }|D ]§  }	|	j                  d«      }
|
sŒ|
j	                  dd«      }t        |
j                  «       «      }|r|sŒG|j                  d«      r|nt        |z   }|	j                  dd¬«      }|rt        |j                  «       «      nd}|j                  |||dœ«       Œ© t!        |«      }t        |› d�«       t#        j$                  d«       �ŒŸ |S # t        $ r}t        d|› �«       Y d}~ |S d}~ww xY w)u$   é��åŽ†æ‰€æœ‰åˆ†é¡µèŽ·å�–æ–‡ç« åˆ—è¡¨é   z/channel/list/19.htmlz-/xxgk/list/list.thtml?classId=19&orgCode=&pn=u     ç¬¬u   é¡µ...r   ©Úendé   ©Útimeoutúutf-8éÈ   zHTTP úERR Nr   Úulzinfo-list-xxgk©Úclass_u	   æ— åˆ—è¡¨ÚliÚaÚhrefr   ÚhttpÚspanÚtime)ÚurlÚtitleÚdateu   æ�¡ç333333Ó?)Úranger1   ÚprintÚsessionr/   ÚencodingÚstatus_codeÚ	Exceptionr   r   Úfindr-   r   r*   r0   r+   ÚlenrM   Úsleep)Ú	max_pagesÚ	all_itemsÚpagerN   ÚrÚer4   rE   ÚlisrH   rI   rJ   rO   Úfull_urlrL   rP   Úcounts                    r   Ú
fetch_listrc   T   sç  € à€IÜ�a˜ Q™Ó'ó &ˆØ�1Š9Ü�JÐ3Ð4‰Cä�JÐKÈDÈ6ÐRˆCÜ��d�V˜6Ð"¨Õ,ð	Ü—‘˜C¨�Ó,ˆAØ ˆAŒJØ�}‰} Ò#Ü˜˜aŸm™m˜_Ð-Ô.Øð8 Ðð= $ô ˜QŸV™V ]Ó3ˆØ�Y‰Y�tÐ$4ˆYÓ5ˆÙÜ�+ÔØð& Ðð# �k‰k˜$ÓˆØò 	NˆBØ—‘˜“ˆAÙØØ—5‘5˜ Ó$ˆDÜ˜qŸz™z›|Ó,ˆEÙ™uØØ#Ÿ™¨vÔ6‘t¼HÀt¹OˆHØ—7‘7˜6¨&�7Ó1ˆDÙ26”:˜dŸm™m›oÔ.¸BˆDØ×Ñ X¸ÀtÑLÕMð	Nô �C“ˆÜ���sˆmÔÜ�
‰
�3ŽðM&ðN Ðøô7 ò 	Ü�D˜˜�*ÔÜð2 Ðûð7	ús   ÁAF4Æ4	GÆ=GÇGc           	      óŒ  — t        | d«      }d}d}d}d}|j                  dd¬«      }|rt        |j                  «       «      }|j                  dt	        j
                  d«      ¬«      }|r7t	        j                  d	|j                  «       «      }	|	r|	j                  d
«      }|j                  dt	        j
                  d«      ¬«      }
|
rEt	        j                  d|
j                  «       «      }	|	r|	j                  d
«      j                  «       }|j                  dd¬«      }|s|j                  dd¬«      }|rt        t        |«      «      }|sl|j                  d«      D �cg c]A  }t        t        |j                  «       «      «      dkD  sŒ)t        |j                  «       «      ‘ŒC }}dj                  |«      }||||fS c c}w )u?   è§£æž�è¯¦æƒ…é¡µï¼Œè¿”å›ž (title, publish_date, source, content)r   r   Úh1zt-type2rF   Úiu   å�‘å¸ƒæ—¶é—´)Ústringz(\d{4}-\d{2}-\d{2})r<   u   å�‘å¸ƒæœºæž„u   å�‘å¸ƒæœºæž„[ï¼š:]\s*(.+)r   Úcontent)Úidzdetail-2r   é   r&   )r   rX   r   r*   r	   ÚcompileÚsearchÚgroupr   r:   r,   r-   rY   r2   )ÚhtmlrN   r4   rO   Úpublish_dateÚsourcerh   re   Údate_iÚmÚsrc_iÚcontent_divr   Úpss                 r   Úparse_detailrv   ‚   s‡  € ä˜˜}Ó-€DØ€EØ€LØ€FØ€Gð 
�‰�4 	ˆÓ	*€BÙ	Ü˜2Ÿ;™;›=Ó)ˆð �Y‰Y�s¤2§:¡:¨oÓ#>ˆYÓ?€FÙÜ�I‰IÐ,¨f¯o©oÓ.?Ó@ˆÙØŸ7™7 1›:ˆLð �I‰I�c¤"§*¡*¨_Ó"=ˆIÓ>€EÙÜ�I‰IÐ2°E·N±NÓ4DÓEˆÙØ—W‘W˜Q“Z×%Ñ%Ó'ˆFð —)‘)˜E i�)Ó0€KÙØ—i‘i ¨j�iÓ9ˆÙÜ$¤S¨Ó%5Ó6ˆñ Ø04·±¸cÓ0BÖi¨1ÄcÌ*ÐUV×U_ÑU_ÓUaÓJbÓFcÐfhÓFhŒj˜Ÿ™›Õ&ÐiˆÐiØ—+‘+˜b“/ˆà�, ¨Ð/Ð/ùò js   Å"*GÆGc                 ó"  — | d   j                  dd«      }|xs | d   j                  dd«      }|xs | j                  dd«      }|xs t        }|j                  dd«      }|j                  dd«      }|dd }	t        }
d	|› d
|› d
|› d
|› d
|› d
|
› d
|	› d
t        › d�}|dz   }	 t	        j
                  dt        g|ddd¬«      }|j                  dk(  r`|j                  j                  «       }	 t        |j                  «       «      }|dkD  rPd|› d�}t	        j
                  dt        g|ddd¬«       yd|j                  vrt        d|j                  dd › �«       y# t        $ r d}Y Œcw xY w# t        $ r}t        d|› �«       Y d}~yd}~ww xY w)u   å†™å…¥gov_raw + FTS gov_searchrN   ú'z''rO   rP   r   NrC   zœINSERT OR IGNORE INTO gov_raw 
        (page_url, title, content, publish_date, source_url, site_name, summary, group_name, industry)
    VALUES 
        ('z', 'u   ', 'æ”¿åºœå…¬å‘Š');
zDSELECT CASE WHEN changes() > 0 THEN last_insert_rowid() ELSE 0 END;
Úsqlite3Tr?   )ÚinputÚcapture_outputr   rA   r   z‡INSERT OR IGNORE INTO gov_search (rowid, title, site_name, summary)
SELECT rowid, title, site_name, summary FROM gov_raw WHERE rowid = z;
zUNIQUE constraintz	    [DB] u       [DB] é”™è¯¯: F)Úreplacer/   Ú	SITE_NAMEÚGROUPÚ
subprocessÚrunÚDB_PATHÚ
returncodeÚstdoutr   r   Ú
ValueErrorÚstderrrS   rW   )ÚitemÚdetail_titleÚpub_daterp   rh   Úpage_urlrO   ro   Úsource_nameÚsummaryÚ	site_nameÚsql_rawÚcombined_sqlÚresultÚoutÚrowidÚfts_sqlr_   s                     r   Úinsert_articler“   ­   sç  € à�E‰{×"Ñ" 3¨Ó-€HØÒ*˜T '™]×3Ñ3°C¸Ó>€EØÒ3˜tŸx™x¨°Ó3€LØÒ%œI€KØ×%Ñ% c¨4Ó0€KØ�o‰o˜c 4Ó(€GØ�D�Sˆk€GÜ€Iðð ˆ*�D˜˜˜t G 9¨D°°¸dÀ8À*ÈDÐQZÐP[Ð[_Ð`gÐ_hÐhlÔmrÐlsð tð€Gð
 ð ñ €Lð'Ü—‘ØœÐ ØØ d°Bô
ˆð
 ×Ñ Ò!Ø—-‘-×%Ñ%Ó'ˆCðÜ˜CŸI™I›KÓ(�ð �qŠyðDØDIÀ7ð Kð�ô —‘ 	¬7Ð3¸7ÐSWÐ^bÐlnÕoØà"¨&¯-©-Ñ7Ü˜	 &§-¡-°°Ð"5Ð!6Ð7Ô8ð øô ò Ø’ðûô ò 'ÜÐ! ! Ð%×&Ð&Øûð'úsC   Â#A	E- Ã-E Ä+E- Ä2)E- ÅE*Å'E- Å)E*Å*E- Å-	FÅ6F	Æ	Fc                 ó˜  — t        d«       t        | «      }|st        d«       y t        dt        |«      › d�«       t        «       }	 t	        j
                  dt        dgddd¬	«      }|j                  d
k(  rL|j                  j                  «       r2t        |j                  j                  «       j                  d«      «      }t        dt        |«      › �«       d
}d
}t        |«      D ]ø  \  }}|d   }||v r|dz  }Œt        d|dz   › dt        |«      › d|d   d d › d�d¬«       	 t        j                  |d¬«      }	d|	_        t%        |	j&                  |«      \  }}}}|j                  «       st        d«       |dz  }Œ™t)        |||||«      r,|dz  }t        dt        |j                  «       «      › d�«       n|dz  }t        d«       t!        j"                  d«       Œú t        d|› d |› d�«       t        d!«       y # t        $ r Y �ŒKw xY w# t        $ r.}
t        d|
› �«       t!        j"                  d«       Y d }
~
�Œ[d }
~
ww xY w)"Nu(   === å¼ åŒ—åŽ¿ - å…¬å‘Šå…¬ç¤º çˆ¬è™« ===
u   æ— æ–‡ç« åˆ—è¡¨u   
åˆ—è¡¨æ€»è®¡: u    æ�¡ry   zASELECT page_url FROM gov_raw WHERE page_url LIKE '%zjkzb.gov.cn%'Tr?   )r{   r   rA   r   ú
u   å·²çŸ¥URL: rN   r<   z  [r$   z] rO   é2   z...r   r=   r@   rB   rD   u   SKIP æ— æ­£æ–‡zOK (u   å­—)u   SKIP (é‡�å¤�æˆ–å…¥åº“å¤±è´¥)rQ   u   
ç»“æžœ: æ–°å¢ž u    æ�¡, è·³è¿‡ u   === å®Œæˆ� ===)rS   rc   rY   Úsetr   r€   r�   r‚   rƒ   r   ÚsplitrW   Ú	enumeraterT   r/   rU   rM   rZ   rv   r   r“   )r[   ÚarticlesÚ
known_urlsr�   ÚaddedÚskippedrf   rI   rN   r^   r_   Úd_titleÚd_dateÚd_sourcerh   s                  r   Úmainr¡   Ú   sC  € Ü	Ð5Ô7ô ˜)Ó$€HÙÜÐÔ ØÜ	ÐœS ›]˜O¨4Ð
0Ô1ô “€JðÜ—‘ØœÐ!dÐeØ d°Bô
ˆð ×Ñ Ò! f§m¡m×&9Ñ&9Ô&;Ü˜VŸ]™]×0Ñ0Ó2×8Ñ8¸Ó>Ó?ˆJô 
ˆKœ˜J›Ð(Ð
)Ô*ð €EØ€GÜ˜(Ó#ò ‰ˆˆ1Ø�‰hˆØ�*ÑØ�q‰LˆGØä��A�a‘C�5˜œ#˜h›-˜¨¨1¨W©:°c°r¨?Ð*;¸3Ð?ÀSÕIð	Ü—‘˜C¨�Ó,ˆAØ ˆAŒJô .:¸!¿&¹&À#Ó-FÑ*ˆ�˜ 7Ø�}‰}ŒÜÐ"Ô#Ø�q‰LˆGØä˜!˜W f¨h¸Ô@Ø�Q‰JˆEÜ�Dœ˜WŸ]™]›_Ó-Ð.¨dÐ3Õ4à�q‰LˆGÜÐ0Ô1ä�
‰
�3�ð9ô< 
Ð˜e˜W M°'°¸$Ð
?Ô@Ü	Ð
ÕøôM ò Úðûô" ò 	Ü�D˜˜�*ÔÜ�J‰J�qŒMÝûð	ús+   ÁA;H Ä(HÈ	HÈHÈ	I	È#IÉI	Ú__main__r<   z--pages=ú=)r[   )#Ú__doc__r	   ÚsysrM   r   r   ÚrequestsÚbs4r   r1   r}   r~   r�   ÚTOTAL_PAGESÚHEADERSÚSessionrT   ÚheadersÚupdater   r   r:   rc   rv   r“   r¡   Ú__name__ÚpagesrY   ÚargvÚargr0   r   r˜   r„   © r   r   ú<module>r²      s'  ðñó 
Û 
Û Û Ý ã Ý ð &€Ø#€	Ø€Ø
€Ø€ð ð  Dð€ð ˆ(×
Ñ
Ó
€Ø ‡�× Ñ �wÔ ò-òò!ðJ %ó *ò\'0òV)ðZ ó 9ðx ˆzÒØ€EÙ
ˆ3�8‰8ƒ}�qÒØ—8‘8˜A˜B�<ò 	ˆCØ�~‰~˜jÕ)ðÙ §	¡	¨#£¨qÑ 1Ó2‘Eð	ñ 	�5Öð øð "ò Ùðús   Â7CÃC&Ã%C&