Enhance application with new features, improved error handling, and performance optimizations. Key updates include: added data validation, retry strategies for HTTP requests, detailed logging, and support for RabbitMQ exports. Updated dependencies and enhanced README documentation for better setup instructions.

This commit is contained in:
2025-07-05 19:53:03 +03:00
parent 0ddd9f0683
commit 97e6438e9b
16 changed files with 1795 additions and 403 deletions

237
RABBITMQ_SETUP.md Normal file
View File

@@ -0,0 +1,237 @@
# ANCHOR: RabbitMQ_Setup_Guide
# Семантика: Руководство по настройке и использованию RabbitMQ в проекте price_parser
## Обзор
Проект `price_parser` теперь поддерживает экспорт данных в очередь сообщений RabbitMQ. Это позволяет:
- Асинхронно обрабатывать данные о продуктах
- Интегрироваться с другими системами через очереди
- Масштабировать обработку данных
- Обеспечивать надежную доставку сообщений
## Архитектура RabbitMQ
### Очереди
- `price_parser.products` - очередь для данных о продуктах
- `price_parser.logs` - очередь для логов парсера
### Exchange
- `price_parser.exchange` - прямой exchange для маршрутизации сообщений
### Routing Keys
- `products` - для данных о продуктах
- `logs` - для логов
## Установка RabbitMQ
### Windows
1. Скачайте RabbitMQ с официального сайта: https://www.rabbitmq.com/download.html
2. Установите Erlang (требуется для RabbitMQ)
3. Запустите RabbitMQ как службу Windows
### Docker (рекомендуется)
```bash
docker run -d --name rabbitmq -p 5672:5672 -p 15672:15672 rabbitmq:3-management
```
### Linux (Ubuntu/Debian)
```bash
# Установка Erlang
sudo apt-get install erlang
# Установка RabbitMQ
sudo apt-get install rabbitmq-server
# Запуск службы
sudo systemctl start rabbitmq-server
sudo systemctl enable rabbitmq-server
```
## Настройка проекта
### 1. Установка зависимостей
```bash
pip install -r requirements.txt
```
### 2. Конфигурация
Скопируйте `env.example` в `.env` и настройте параметры:
```bash
# RabbitMQ настройки
RABBITMQ_HOST=localhost
RABBITMQ_PORT=5672
RABBITMQ_USERNAME=guest
RABBITMQ_PASSWORD=guest
RABBITMQ_VIRTUAL_HOST=/
# Очереди
RABBITMQ_PRODUCTS_QUEUE=price_parser.products
RABBITMQ_LOGS_QUEUE=price_parser.logs
RABBITMQ_EXCHANGE=price_parser.exchange
# Включение экспорта в RabbitMQ
ENABLE_RABBITMQ_EXPORT=true
```
### 3. Проверка подключения
```bash
python -c "from utils.exporters import validate_rabbitmq_connection; print('RabbitMQ доступен' if validate_rabbitmq_connection() else 'RabbitMQ недоступен')"
```
## Использование
### Запуск парсера с экспортом в RabbitMQ
```bash
python src/main.py
```
### Структура сообщений
#### Сообщение с данными о продуктах
```json
{
"message_id": "550e8400-e29b-41d4-a716-446655440000",
"timestamp": "2023-10-27T12:34:56.789Z",
"source": "price_parser",
"products": [
{
"name": "Peptide X",
"volume": "30ml",
"price": 1500,
"url": "https://elixirpeptide.ru/catalog/peptide-x/?product=variant1"
}
],
"run_id": "20231027-123456",
"total_count": 1
}
```
#### Сообщение с логами
```json
{
"message_id": "550e8400-e29b-41d4-a716-446655440001",
"timestamp": "2023-10-27T12:34:56.789Z",
"source": "price_parser",
"log_records": [
{
"run_id": "20231027-123456",
"timestamp": "2023-10-27T12:34:56.789Z",
"level": "INFO",
"message": "Парсинг начат."
}
],
"run_id": "20231027-123456"
}
```
## Мониторинг
### RabbitMQ Management UI
Если используется Docker с management plugin:
- URL: http://localhost:15672
- Логин: guest
- Пароль: guest
### Проверка очередей
```bash
# Установка rabbitmqadmin
wget http://localhost:15672/cli/rabbitmqadmin
chmod +x rabbitmqadmin
# Просмотр очередей
./rabbitmqadmin list queues
# Просмотр сообщений
./rabbitmqadmin get queue=price_parser.products
```
## Обработка сообщений
### Python Consumer Example
```python
import pika
import json
from core.models import ProductDataMessage
def callback(ch, method, properties, body):
"""Обработчик сообщений из очереди продуктов"""
try:
data = json.loads(body)
message = ProductDataMessage(**data)
print(f"Получено {message.total_count} продуктов")
for product in message.products:
print(f"- {product.name}: {product.price} руб.")
ch.basic_ack(delivery_tag=method.delivery_tag)
except Exception as e:
print(f"Ошибка обработки сообщения: {e}")
ch.basic_nack(delivery_tag=method.delivery_tag)
# Подключение к RabbitMQ
connection = pika.BlockingConnection(
pika.ConnectionParameters('localhost')
)
channel = connection.channel()
# Подписка на очередь
channel.basic_consume(
queue='price_parser.products',
on_message_callback=callback
)
print("Ожидание сообщений...")
channel.start_consuming()
```
## Troubleshooting
### Проблемы подключения
1. Проверьте, что RabbitMQ запущен
2. Убедитесь в правильности настроек в `.env`
3. Проверьте доступность порта 5672
### Проблемы с правами доступа
```bash
# Создание пользователя (если нужно)
sudo rabbitmqctl add_user myuser mypassword
sudo rabbitmqctl set_permissions -p / myuser ".*" ".*" ".*"
```
### Проблемы с очередями
```bash
# Очистка очереди (осторожно!)
sudo rabbitmqctl purge_queue price_parser.products
```
## Безопасность
### Рекомендации по безопасности
1. Измените стандартные учетные данные (guest/guest)
2. Используйте SSL/TLS для продакшена
3. Ограничьте права доступа пользователей
4. Регулярно обновляйте RabbitMQ
### SSL настройка
```bash
# В .env добавьте:
RABBITMQ_SSL=True
RABBITMQ_SSL_CERT_FILE=/path/to/cert.pem
RABBITMQ_SSL_KEY_FILE=/path/to/key.pem
```
## Производительность
### Настройки для высокой нагрузки
```bash
# В .env:
RABBITMQ_HEARTBEAT=60
RABBITMQ_CONNECTION_TIMEOUT=10
RABBITMQ_BLOCKED_CONNECTION_TIMEOUT=60
```
### Мониторинг производительности
- Используйте RabbitMQ Management UI
- Следите за размером очередей
- Мониторьте время обработки сообщений

193
README.md
View File

@@ -5,6 +5,27 @@
Это структурированное Python-приложение для парсинга каталога товаров с сайта `elixirpeptide.ru`, сбора информации о вариантах товаров и их ценах.
## 🚀 Новые возможности (v2.0)
### ✅ Исправленные критические проблемы:
- **Устранено дублирование кода** в `engine.py` и `database.py`
- **Дополнены зависимости** в `requirements.txt` (pydantic, lxml, python-dotenv)
- **Улучшена обработка ошибок** с детальной диагностикой и retry механизмом
- **Добавлена валидация данных** на всех уровнях приложения
### 🎯 Новые функции:
- **Retry стратегия** для HTTP запросов с экспоненциальной задержкой
- **Детальная статистика** выполнения парсинга
- **Валидация конфигурации** при запуске
- **Поддержка переменных окружения** через `.env` файл
- **Graceful degradation** - продолжение работы при частичных сбоях
- **Улучшенное логирование** с категоризацией ошибок
### 🔧 Улучшения производительности:
- **Адаптивные таймауты** для HTTP запросов
- **Проверка на блокировку/капчу** в ответах сервера
- **Оптимизированная обработка данных** с пропуском некорректных записей
## Структура Проекта
Проект организован по принципу семантического разделения ответственности для удобства поддержки и дальнейшей разработки.
@@ -16,40 +37,164 @@
- `database.py`: Логика работы с базой данных SQLite.
- `logging_config.py`: Настройка системы логирования.
- **`models.py`: [NEW FILE] Pydantic модели данных (ProductVariant, LogRecordModel).**
- **`settings.py`: [ENHANCED] Конфигурация с валидацией и поддержкой .env**
- `scraper/`: Пакет с логикой парсинга.
- `engine.py`: Функции для скачивания и анализа HTML-страниц.
- **`engine.py`: [ENHANCED] Класс Scraper с retry механизмом и улучшенной обработкой ошибок**
- `utils/`: Пакет со вспомогательными утилитами.
- `exporters.py`: Функции для сохранения данных в разные форматы (CSV).
- **`exporters.py`: [ENHANCED] Функции для сохранения данных с валидацией**
- `requirements.txt`: Список зависимостей проекта.
- `price_data_final/`: Директория для хранения результатов (создается автоматически).
- **`.env.example`: [NEW] Пример файла с переменными окружения**
## Установка и Запуск
1. **Клонируйте репозиторий:**
```bash
git clone <your-repo-url>
cd peptide_parser_project
```
### 1. Клонирование и настройка окружения
2. **Создайте и активируйте виртуальное окружение:**
```bash
python -m venv venv
source venv/bin/activate # Для Windows: venv\Scripts\activate
```
```bash
git clone <your-repo-url>
cd peptide_parser_project
3. **Установите зависимости:**
```bash
pip install -r requirements.txt
```
# Создание виртуального окружения
python -m venv venv
source venv/bin/activate # Для Windows: venv\Scripts\activate
4. **Запустите парсер:**
Все настройки находятся в файле `src/config.py`. Вы можете изменить их перед запуском.
```bash
python src/main.py
```
# Установка зависимостей
pip install -r requirements.txt
```
### 2. Настройка конфигурации
#### Вариант A: Через переменные окружения
```bash
# Создайте файл .env на основе .env.example
cp .env.example .env
# Отредактируйте .env файл под ваши нужды
nano .env
```
#### Вариант B: Прямое редактирование настроек
Отредактируйте `src/core/settings.py` для изменения настроек по умолчанию.
### 3. Запуск парсера
```bash
python src/main.py
```
## Конфигурация
### Переменные окружения (.env файл)
| Переменная | Описание | По умолчанию |
|------------|----------|--------------|
| `PARSER_BASE_URL` | Базовый URL сайта | `https://elixirpeptide.ru` |
| `PARSER_CATALOG_URL` | URL каталога товаров | `https://elixirpeptide.ru/catalog/` |
| `PARSER_SAVE_TO_CSV` | Сохранять в CSV | `true` |
| `PARSER_SAVE_TO_DB` | Сохранять в базу данных | `true` |
| `PARSER_LOG_TO_DB` | Логировать в базу данных | `true` |
| `PARSER_TIMEOUT` | Таймаут HTTP запросов (сек) | `30` |
| `PARSER_DELAY` | Задержка между запросами (сек) | `1.0` |
| `PARSER_RETRIES` | Максимум попыток для запросов | `3` |
### Настройки производительности
- **Таймаут запросов**: 30 секунд (настраивается)
- **Задержка между запросами**: 1 секунда (настраивается)
- **Retry стратегия**: 3 попытки с экспоненциальной задержкой
- **Graceful degradation**: Продолжение работы при ошибках отдельных запросов
## Результаты
- Если `SAVE_TO_CSV = True`, в директории `price_data_final/` будет создан CSV-файл с ценами.
- Если `SAVE_TO_DB = True`, в той же директории будет создан или обновлен файл `parser_data.db`.
- Если `LOG_TO_DB = True`, все логи сессии будут также записаны в таблицу `logs` в базе данных.
### Файлы результатов
- **CSV файл**: `price_data_final/prices_full_catalog_YYYY-MM-DD_HHMMSS.csv`
- **База данных**: `price_data_final/parser_data.db` (SQLite)
### Структура данных
```csv
name,volume,price
"Peptide X","30ml",1500
"Peptide Y","50ml",2500
```
### Логирование
- **Консольные логи**: Детальная информация о процессе парсинга
- **Логи в БД**: Если `PARSER_LOG_TO_DB=true`, все логи сохраняются в таблицу `logs`
## Обработка ошибок
### Типы обрабатываемых ошибок
1. **Сетевые ошибки**: Timeout, ConnectionError, HTTPError
2. **Ошибки парсинга**: Отсутствующие элементы, некорректные данные
3. **Ошибки файловой системы**: Права доступа, отсутствие директорий
4. **Ошибки базы данных**: SQLite ошибки, проблемы с подключением
### Стратегия восстановления
- **Retry механизм**: Автоматические повторные попытки для сетевых ошибок
- **Graceful degradation**: Пропуск проблемных записей с продолжением работы
- **Детальная диагностика**: Подробные логи для анализа проблем
## Мониторинг и статистика
### Статистика выполнения
Приложение выводит детальную статистику:
```
[FINAL_STATS] Время выполнения: 45.23 секунд
[FINAL_STATS] Успешность: 95/100 (95.0%)
[STATS] Успешно: 95, Ошибок: 5
```
### Метрики
- Общее количество URL для парсинга
- Количество успешно обработанных записей
- Количество ошибок
- Время выполнения
- Процент успешности
## Разработка
### Архитектурные принципы
1. **Разделение ответственности**: Каждый модуль отвечает за свою область
2. **Типизация**: Использование Pydantic для валидации данных
3. **Обработка ошибок**: Graceful handling с детальной диагностикой
4. **Конфигурируемость**: Гибкие настройки через переменные окружения
5. **Логирование**: Структурированное логирование на всех уровнях
### Добавление новых функций
1. **Новые форматы экспорта**: Добавьте функции в `src/utils/exporters.py`
2. **Новые селекторы**: Обновите `ScraperSelectors` в `src/core/settings.py`
3. **Новые поля данных**: Расширьте модель `ProductVariant` в `src/core/models.py`
## Устранение неполадок
### Частые проблемы
1. **"Не удается подключиться к базовому URL"**
- Проверьте интернет-соединение
- Убедитесь, что сайт доступен
- Проверьте настройки прокси
2. **"Не найдено ни одной ссылки на товар"**
- Проверьте CSS селекторы в настройках
- Убедитесь, что структура сайта не изменилась
3. **"Ошибка при сохранении в БД"**
- Проверьте права доступа к директории
- Убедитесь, что SQLite поддерживается
### Логи для диагностики
Все ошибки логируются с детальной информацией. Проверьте:
- Консольные логи при запуске
- Логи в базе данных (если включено)
- Файлы результатов для проверки данных

42
env.example Normal file
View File

@@ -0,0 +1,42 @@
# ANCHOR: Environment_Variables_Example
# Семантика: Пример переменных окружения для конфигурации приложения
# Скопируйте этот файл в .env и настройте под ваши нужды
# ANCHOR: Database_Settings
DATABASE_URL=sqlite:///price_parser.db
# ANCHOR: Scraping_Settings
SCRAPING_DELAY=1.0
MAX_RETRIES=3
REQUEST_TIMEOUT=30
USER_AGENT=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36
# ANCHOR: Logging_Settings
LOG_LEVEL=INFO
LOG_FORMAT=%(asctime)s - %(name)s - %(levelname)s - %(message)s
LOG_FILE=logs/price_parser.log
# ANCHOR: RabbitMQ_Settings
RABBITMQ_HOST=localhost
RABBITMQ_PORT=5672
RABBITMQ_USERNAME=guest
RABBITMQ_PASSWORD=guest
RABBITMQ_VIRTUAL_HOST=/
# ANCHOR: RabbitMQ_Queue_Settings
RABBITMQ_PRODUCTS_QUEUE=price_parser.products
RABBITMQ_LOGS_QUEUE=price_parser.logs
RABBITMQ_EXCHANGE=price_parser.exchange
# ANCHOR: RabbitMQ_Connection_Settings
RABBITMQ_CONNECTION_TIMEOUT=30
RABBITMQ_HEARTBEAT=600
RABBITMQ_BLOCKED_CONNECTION_TIMEOUT=300
# ANCHOR: Export_Settings
ENABLE_RABBITMQ_EXPORT=false
ENABLE_CSV_EXPORT=true
ENABLE_DATABASE_EXPORT=true
# ANCHOR: Validation_Settings
VALIDATE_DATA_BEFORE_EXPORT=true

View File

@@ -1,4 +1,20 @@
# ANCHOR: Requirements
# Семантика: Список внешних библиотек, необходимых для запуска приложения.
requests
beautifulsoup4
# Основные зависимости для парсинга
requests>=2.31.0
beautifulsoup4>=4.12.0
lxml>=4.9.0
# Валидация и типизация данных
pydantic>=2.0.0
# Типизация (для Python < 3.8)
typing-extensions>=4.0.0
# Дополнительные утилиты
python-dotenv>=1.0.0
# ANCHOR: RabbitMQ_Dependencies
# Семантика: Зависимости для работы с очередью сообщений RabbitMQ
pika>=1.3.0

2
src/__init__.py Normal file
View File

@@ -0,0 +1,2 @@
# ANCHOR: Package_Init
# Семантика: Инициализация пакета src

2
src/core/__init__.py Normal file
View File

@@ -0,0 +1,2 @@
# ANCHOR: Core_Package_Init
# Семантика: Инициализация пакета core

View File

@@ -8,7 +8,7 @@ from datetime import datetime
from pathlib import Path
from typing import List, Dict, Optional
from src.core.models import ProductVariant, LogRecordModel # [FIX] Импорт моделей
from core.models import ProductVariant, LogRecordModel # [FIX] Импорт моделей
# [CONTRACT] DatabaseManager
# @description: Контекстный менеджер для управления соединением с SQLite.
@@ -146,33 +146,84 @@ def init_database(db_path: Path, run_id: str):
# - `data` должен быть списком словарей, каждый из которых соответствует ProductVariant.
# - `db_path` должен указывать на существующую и инициализированную БД.
# @post: Данные из `data` вставлены в таблицу `products`.
def save_data_to_db(data: List[Dict], db_path: Path, run_id: str):
def save_data_to_db(data: List[Dict], db_path: Path, run_id: str) -> bool:
"""
[ENHANCED] Сохраняет данные в базу данных с улучшенной обработкой ошибок.
Args:
data: Список словарей с данными для сохранения
db_path: Путь к файлу базы данных
run_id: Идентификатор запуска для логирования
Returns:
bool: True если сохранение прошло успешно, False в противном случае
"""
log_prefix = f"save_data_to_db(id={run_id})"
# [ENHANCEMENT] Валидация входных данных
if not data:
logging.warning(f"{log_prefix} - [CONTRACT_VIOLATION] Данные для сохранения отсутствуют. Пропуск сохранения.")
return
return False
if not isinstance(data, list):
logging.error(f"{log_prefix} - [TYPE_ERROR] Данные должны быть списком, получено: {type(data)}")
return False
logging.info(f"{log_prefix} - Начало сохранения {len(data)} записей в БД: {db_path}")
# [PRECONDITION] Проверка формата данных (хотя ProductVariant.model_dump() должен гарантировать)
if not all(isinstance(item, dict) and all(k in item for k in ['name', 'volume', 'price']) for item in data):
required_fields = ['name', 'volume', 'price']
if not all(isinstance(item, dict) and all(k in item for k in required_fields) for item in data):
logging.error(f"{log_prefix} - [CONTRACT_VIOLATION] Некорректный формат данных для сохранения в БД.", extra={"sample_data": data[:1]})
raise ValueError("Данные для сохранения в БД не соответствуют ожидаемому формату ProductVariant.")
return False
try:
# [ENHANCEMENT] Проверка существования файла БД
if not db_path.exists():
logging.warning(f"{log_prefix} - Файл БД не существует: {db_path}")
return False
# [CONTEXT_MANAGER] Используем with-statement для безопасного соединения и коммита
with sqlite3.connect(db_path) as con:
cur = con.cursor()
products_to_insert = []
for item in data:
# Преобразование к int и обработка возможных ошибок приведения типа
skipped_count = 0
for i, item in enumerate(data):
# [ENHANCEMENT] Детальная валидация каждого элемента
try:
price_int = int(item['price'])
except (ValueError, TypeError) as e:
logging.error(f"{log_prefix} - [DATA_CLEANUP_FAILED] Некорректное значение цены для '{item.get('name')}': {item.get('price')}. Пропуск записи. Ошибка: {e}")
# [COHERENCE_CHECK_FAILED] Данные не соответствуют схеме
continue # Пропускаем эту запись, но продолжаем для остальных
products_to_insert.append(
(run_id, item['name'], item['volume'], price_int)
)
# Проверка типов данных
if not isinstance(item['name'], str) or not item['name'].strip():
logging.warning(f"{log_prefix} - [INVALID_NAME] Элемент {i}: некорректное имя '{item.get('name')}'")
skipped_count += 1
continue
if not isinstance(item['volume'], str):
logging.warning(f"{log_prefix} - [INVALID_VOLUME] Элемент {i}: некорректный объем '{item.get('volume')}'")
skipped_count += 1
continue
# Преобразование к int и обработка возможных ошибок приведения типа
try:
price_int = int(item['price'])
if price_int <= 0:
logging.warning(f"{log_prefix} - [INVALID_PRICE] Элемент {i}: некорректная цена {price_int}")
skipped_count += 1
continue
except (ValueError, TypeError) as e:
logging.error(f"{log_prefix} - [DATA_CLEANUP_FAILED] Некорректное значение цены для '{item.get('name')}': {item.get('price')}. Пропуск записи. Ошибка: {e}")
skipped_count += 1
continue # Пропускаем эту запись, но продолжаем для остальных
products_to_insert.append(
(run_id, item['name'], item['volume'], price_int)
)
except KeyError as e:
logging.error(f"{log_prefix} - [MISSING_FIELD] Элемент {i} не содержит обязательное поле: {e}")
skipped_count += 1
continue
if products_to_insert:
cur.executemany(
"INSERT INTO products (run_id, name, volume, price) VALUES (?, ?, ?, ?)",
@@ -180,85 +231,21 @@ def save_data_to_db(data: List[Dict], db_path: Path, run_id: str):
)
con.commit()
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] {len(products_to_insert)} записей успешно сохранено в базу данных.")
if skipped_count > 0:
logging.warning(f"{log_prefix} - Пропущено {skipped_count} некорректных записей.")
return True
else:
logging.warning(f"{log_prefix} - После фильтрации не осталось валидных записей для сохранения.")
return False
except sqlite3.Error as e:
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Ошибка SQLite при сохранении данных: {e}", exc_info=True)
raise ConnectionError(f"Ошибка БД при сохранении: {e}") from e
return False
except PermissionError as e:
logging.error(f"{log_prefix} - [PERMISSION_ERROR] Нет прав на запись в БД {db_path}: {e}")
return False
except Exception as e:
logging.critical(f"{log_prefix} - [CRITICAL] Непредвиденная ошибка при сохранении данных в БД: {e}", exc_info=True)
raise
return False
# [CONTRACT] save_data_to_db
# @description: Сохраняет список объектов ProductVariant (представленных как словари) в таблицу `products`.
# @pre:
# - `data` должен быть списком словарей, каждый из которых соответствует ProductVariant.
# - `db_path` должен указывать на существующую и инициализированную БД.
# @post: Данные из `data` вставлены в таблицу `products`.
def save_data_to_db(data: List[Dict], db_path: Path, run_id: str):
log_prefix = f"save_data_to_db(id={run_id})"
if not data:
logging.warning(f"{log_prefix} - [CONTRACT_VIOLATION] Данные для сохранения отсутствуют. Пропуск сохранения.")
return
logging.info(f"{log_prefix} - Начало сохранения {len(data)} записей в БД: {db_path}")
# [PRECONDITION] Проверка формата данных (хотя ProductVariant.model_dump() должен гарантировать)
if not all(isinstance(item, dict) and all(k in item for k in ['name', 'volume', 'price']) for item in data):
logging.error(f"{log_prefix} - [CONTRACT_VIOLATION] Некорректный формат данных для сохранения в БД.", extra={"sample_data": data[:1]})
raise ValueError("Данные для сохранения в БД не соответствуют ожидаемому формату ProductVariant.")
try:
# [CONTEXT_MANAGER] Используем with-statement для безопасного соединения и коммита
with sqlite3.connect(db_path) as con:
cur = con.cursor()
products_to_insert = []
for item in data:
# Преобразование к int и обработка возможных ошибок приведения типа
try:
price_int = int(item['price'])
except (ValueError, TypeError) as e:
logging.error(f"{log_prefix} - [DATA_CLEANUP_FAILED] Некорректное значение цены для '{item.get('name')}': {item.get('price')}. Пропуск записи. Ошибка: {e}")
# [COHERENCE_CHECK_FAILED] Данные не соответствуют схеме
continue # Пропускаем эту запись, но продолжаем для остальных
products_to_insert.append(
(run_id, item['name'], item['volume'], price_int)
)
if products_to_insert:
cur.executemany(
"INSERT INTO products (run_id, name, volume, price) VALUES (?, ?, ?, ?)",
products_to_insert
)
con.commit()
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] {len(products_to_insert)} записей успешно сохранено в базу данных.")
else:
logging.warning(f"{log_prefix} - После фильтрации не осталось валидных записей для сохранения.")
except sqlite3.Error as e:
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Ошибка SQLite при сохранении данных: {e}", exc_info=True)
raise ConnectionError(f"Ошибка БД при сохранении: {e}") from e
except Exception as e:
logging.critical(f"{log_prefix} - [CRITICAL] Непредвиденная ошибка при сохранении данных в БД: {e}", exc_info=True)
raise
def save_data_to_db(data: List[Dict], db_path: Path, run_id: str):
# ... (код функции save_data_to_db без изменений) ...
log_prefix = f"save_data_to_db(id={run_id})"
if not data:
logging.warning(f"{log_prefix} - [CONTRACT_VIOLATION] Данные для сохранения отсутствуют.")
return
logging.info(f"{log_prefix} - Начало сохранения {len(data)} записей в БД: {db_path}")
try:
con = sqlite3.connect(db_path)
cur = con.cursor()
products_to_insert = [
(run_id, item['name'], item['volume'], int(item['price'])) for item in data
]
cur.executemany(
"INSERT INTO products (run_id, name, volume, price) VALUES (?, ?, ?, ?)",
products_to_insert
)
con.commit()
con.close()
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Данные успешно сохранены в базу данных.")
except Exception as e:
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Ошибка при сохранении в БД: {e}")
# [REFACTORING_COMPLETE] Дублированные функции удалены, улучшена обработка ошибок

View File

@@ -1,13 +1,14 @@
# [FILE] src/core/models.py
# ANCHOR: Core_Models_Module
# Семантика: Определяет Pydantic-модели для структурированного представления данных
# в приложении (продукты, логи).
# в приложении (продукты, логи, сообщения RabbitMQ).
# [CONTRACT]: Все модели наследуются от `BaseModel` и обеспечивают типизацию и валидацию.
# [COHERENCE]: Согласованы со схемами данных, используемыми в БД и экспортах.
from pydantic import BaseModel, Field, HttpUrl, ValidationError
from datetime import datetime
from typing import Optional
from typing import Optional, List
import uuid
class ProductVariant(BaseModel):
"""
@@ -61,4 +62,78 @@ class LogRecordModel(BaseModel):
}
}
# ANCHOR: RabbitMQ_Models
# Семантика: Модели для работы с сообщениями RabbitMQ
class RabbitMQMessage(BaseModel):
"""
[CONTRACT]
@description: Базовая модель для сообщений RabbitMQ.
@invariant: Все сообщения имеют уникальный ID и timestamp.
"""
message_id: str = Field(default_factory=lambda: str(uuid.uuid4()), description="Уникальный идентификатор сообщения.")
timestamp: datetime = Field(default_factory=datetime.utcnow, description="Время создания сообщения.")
source: str = Field(..., description="Источник сообщения (например, 'price_parser').")
class Config:
json_encoders = {
datetime: lambda v: v.isoformat()
}
class ProductDataMessage(RabbitMQMessage):
"""
[CONTRACT]
@description: Модель сообщения с данными о продуктах для отправки в RabbitMQ.
@invariant: Содержит список продуктов и метаданные о парсинге.
"""
products: List[ProductVariant] = Field(..., description="Список продуктов для обработки.")
run_id: str = Field(..., description="Идентификатор запуска парсера.")
total_count: int = Field(..., description="Общее количество продуктов в сообщении.")
class Config:
json_schema_extra = {
"example": {
"message_id": "550e8400-e29b-41d4-a716-446655440000",
"timestamp": "2023-10-27T12:34:56.789Z",
"source": "price_parser",
"products": [
{
"name": "Peptide X",
"volume": "30ml",
"price": 1500,
"url": "https://elixirpeptide.ru/catalog/peptide-x/?product=variant1"
}
],
"run_id": "20231027-123456",
"total_count": 1
}
}
class LogMessage(RabbitMQMessage):
"""
[CONTRACT]
@description: Модель сообщения с логами для отправки в RabbitMQ.
@invariant: Содержит информацию о логах парсера.
"""
log_records: List[LogRecordModel] = Field(..., description="Список записей логов.")
run_id: str = Field(..., description="Идентификатор запуска парсера.")
class Config:
json_schema_extra = {
"example": {
"message_id": "550e8400-e29b-41d4-a716-446655440001",
"timestamp": "2023-10-27T12:34:56.789Z",
"source": "price_parser",
"log_records": [
{
"run_id": "20231027-123456",
"timestamp": "2023-10-27T12:34:56.789Z",
"level": "INFO",
"message": "Парсинг начат."
}
],
"run_id": "20231027-123456"
}
}
# [COHERENCE_CHECK_PASSED] Все основные модели данных определены и типизированы.

350
src/core/rabbitmq.py Normal file
View File

@@ -0,0 +1,350 @@
# [FILE] src/core/rabbitmq.py
# ANCHOR: RabbitMQ_Module
# Семантика: Модуль для работы с очередью сообщений RabbitMQ.
# [CONTRACT]: Обеспечивает надежное подключение, отправку сообщений и обработку ошибок.
# [COHERENCE]: Интегрирован с моделями данных и настройками приложения.
import logging
import json
from typing import Optional, Dict, Any
from contextlib import contextmanager
import pika
from pika.exceptions import AMQPConnectionError, AMQPChannelError, ConnectionClosed
from .settings import (
RABBITMQ_HOST, RABBITMQ_PORT, RABBITMQ_USERNAME, RABBITMQ_PASSWORD,
RABBITMQ_VIRTUAL_HOST, RABBITMQ_CONNECTION_TIMEOUT, RABBITMQ_HEARTBEAT,
RABBITMQ_BLOCKED_CONNECTION_TIMEOUT, RABBITMQ_PRODUCTS_QUEUE,
RABBITMQ_LOGS_QUEUE, RABBITMQ_EXCHANGE
)
logger = logging.getLogger(__name__)
class RabbitMQConnection:
"""
[CONTRACT]
@description: Класс для управления подключением к RabbitMQ.
@invariant: Обеспечивает надежное подключение с автоматическим переподключением.
"""
def __init__(self):
"""[INIT] Инициализация подключения к RabbitMQ."""
self.connection: Optional[pika.BlockingConnection] = None
self.channel: Optional[pika.channel.Channel] = None
self._connection_params = self._build_connection_params()
def _build_connection_params(self) -> pika.ConnectionParameters:
"""
[HELPER] Строит параметры подключения к RabbitMQ.
Returns:
pika.ConnectionParameters: Параметры подключения
"""
credentials = pika.PlainCredentials(RABBITMQ_USERNAME, RABBITMQ_PASSWORD)
return pika.ConnectionParameters(
host=RABBITMQ_HOST,
port=RABBITMQ_PORT,
virtual_host=RABBITMQ_VIRTUAL_HOST,
credentials=credentials,
connection_attempts=3,
retry_delay=5,
socket_timeout=RABBITMQ_CONNECTION_TIMEOUT,
heartbeat=RABBITMQ_HEARTBEAT,
blocked_connection_timeout=RABBITMQ_BLOCKED_CONNECTION_TIMEOUT
)
def connect(self) -> bool:
"""
[CONTRACT]
@description: Устанавливает подключение к RabbitMQ.
@precondition: Параметры подключения корректны.
@postcondition: Подключение установлено или False в случае ошибки.
Returns:
bool: True если подключение успешно, False в противном случае
"""
try:
logger.info(f"[RABBITMQ] Подключение к {RABBITMQ_HOST}:{RABBITMQ_PORT}")
self.connection = pika.BlockingConnection(self._connection_params)
self.channel = self.connection.channel()
# [SETUP] Настройка exchange и очередей
self._setup_exchange_and_queues()
logger.info("[RABBITMQ] Подключение успешно установлено")
return True
except AMQPConnectionError as e:
logger.error(f"[RABBITMQ] Ошибка подключения: {e}")
return False
except Exception as e:
logger.error(f"[RABBITMQ] Непредвиденная ошибка при подключении: {e}")
return False
def _setup_exchange_and_queues(self):
"""
[HELPER] Настраивает exchange и очереди в RabbitMQ.
@invariant: Создает необходимые exchange и очереди, если они не существуют.
"""
try:
# Создание exchange
self.channel.exchange_declare(
exchange=RABBITMQ_EXCHANGE,
exchange_type='direct',
durable=True
)
# Создание очереди для продуктов
self.channel.queue_declare(
queue=RABBITMQ_PRODUCTS_QUEUE,
durable=True
)
self.channel.queue_bind(
exchange=RABBITMQ_EXCHANGE,
queue=RABBITMQ_PRODUCTS_QUEUE,
routing_key='products'
)
# Создание очереди для логов
self.channel.queue_declare(
queue=RABBITMQ_LOGS_QUEUE,
durable=True
)
self.channel.queue_bind(
exchange=RABBITMQ_EXCHANGE,
queue=RABBITMQ_LOGS_QUEUE,
routing_key='logs'
)
logger.info("[RABBITMQ] Exchange и очереди настроены")
except AMQPChannelError as e:
logger.error(f"[RABBITMQ] Ошибка настройки очередей: {e}")
raise
def disconnect(self):
"""
[CONTRACT]
@description: Закрывает подключение к RabbitMQ.
@postcondition: Подключение закрыто корректно.
"""
try:
if self.channel and not self.channel.is_closed:
self.channel.close()
if self.connection and not self.connection.is_closed:
self.connection.close()
logger.info("[RABBITMQ] Подключение закрыто")
except Exception as e:
logger.error(f"[RABBITMQ] Ошибка при закрытии подключения: {e}")
def is_connected(self) -> bool:
"""
[HELPER] Проверяет, активно ли подключение.
Returns:
bool: True если подключение активно, False в противном случае
"""
return (
self.connection is not None and
not self.connection.is_closed and
self.channel is not None and
not self.channel.is_closed
)
def send_message(self, queue: str, message: Dict[str, Any], routing_key: str = None) -> bool:
"""
[CONTRACT]
@description: Отправляет сообщение в указанную очередь.
@precondition: Подключение активно, сообщение валидно.
@postcondition: Сообщение отправлено или False в случае ошибки.
Args:
queue: Название очереди
message: Сообщение для отправки
routing_key: Ключ маршрутизации (по умолчанию равен названию очереди)
Returns:
bool: True если сообщение отправлено, False в противном случае
"""
if not self.is_connected():
logger.error("[RABBITMQ] Попытка отправить сообщение без активного подключения")
return False
try:
routing_key = routing_key or queue
message_body = json.dumps(message, ensure_ascii=False, default=str)
self.channel.basic_publish(
exchange=RABBITMQ_EXCHANGE,
routing_key=routing_key,
body=message_body,
properties=pika.BasicProperties(
delivery_mode=2, # Сохранять сообщения на диск
content_type='application/json'
)
)
logger.info(f"[RABBITMQ] Сообщение отправлено в очередь {queue}")
return True
except AMQPChannelError as e:
logger.error(f"[RABBITMQ] Ошибка отправки сообщения: {e}")
return False
except Exception as e:
logger.error(f"[RABBITMQ] Непредвиденная ошибка при отправке: {e}")
return False
@contextmanager
def get_rabbitmq_connection():
"""
[CONTEXT_MANAGER]
@description: Контекстный менеджер для работы с RabbitMQ.
@invariant: Автоматически закрывает подключение при выходе из контекста.
Yields:
RabbitMQConnection: Объект подключения к RabbitMQ
"""
connection = RabbitMQConnection()
try:
if connection.connect():
yield connection
else:
logger.error("[RABBITMQ] Не удалось установить подключение")
yield None
finally:
connection.disconnect()
class RabbitMQExporter:
"""
[CONTRACT]
@description: Класс для экспорта данных в RabbitMQ.
@invariant: Обеспечивает надежную отправку данных о продуктах и логов.
"""
def __init__(self):
"""[INIT] Инициализация экспортера RabbitMQ."""
self.connection = RabbitMQConnection()
def export_products(self, products: list, run_id: str) -> bool:
"""
[CONTRACT]
@description: Экспортирует данные о продуктах в RabbitMQ.
@precondition: Список продуктов не пустой, run_id валиден.
@postcondition: Данные отправлены в очередь или False в случае ошибки.
Args:
products: Список продуктов для экспорта
run_id: Идентификатор запуска парсера
Returns:
bool: True если экспорт успешен, False в противном случае
"""
if not products:
logger.warning("[RABBITMQ] Попытка экспорта пустого списка продуктов")
return False
try:
from .models import ProductDataMessage, ProductVariant
# Преобразование данных в Pydantic модели
product_variants = []
for product in products:
try:
variant = ProductVariant(**product)
product_variants.append(variant)
except Exception as e:
logger.error(f"[RABBITMQ] Ошибка валидации продукта: {e}")
continue
if not product_variants:
logger.error("[RABBITMQ] Нет валидных продуктов для экспорта")
return False
# Создание сообщения
message = ProductDataMessage(
source="price_parser",
products=product_variants,
run_id=run_id,
total_count=len(product_variants)
)
# Отправка сообщения
if not self.connection.is_connected() and not self.connection.connect():
return False
return self.connection.send_message(
queue=RABBITMQ_PRODUCTS_QUEUE,
message=message.dict(),
routing_key='products'
)
except Exception as e:
logger.error(f"[RABBITMQ] Ошибка экспорта продуктов: {e}")
return False
def export_logs(self, log_records: list, run_id: str) -> bool:
"""
[CONTRACT]
@description: Экспортирует логи в RabbitMQ.
@precondition: Список логов не пустой, run_id валиден.
@postcondition: Логи отправлены в очередь или False в случае ошибки.
Args:
log_records: Список записей логов
run_id: Идентификатор запуска парсера
Returns:
bool: True если экспорт успешен, False в противном случае
"""
if not log_records:
logger.warning("[RABBITMQ] Попытка экспорта пустого списка логов")
return False
try:
from .models import LogMessage, LogRecordModel
# Преобразование данных в Pydantic модели
log_models = []
for log_record in log_records:
try:
log_model = LogRecordModel(**log_record)
log_models.append(log_model)
except Exception as e:
logger.error(f"[RABBITMQ] Ошибка валидации лога: {e}")
continue
if not log_models:
logger.error("[RABBITMQ] Нет валидных логов для экспорта")
return False
# Создание сообщения
message = LogMessage(
source="price_parser",
log_records=log_models,
run_id=run_id
)
# Отправка сообщения
if not self.connection.is_connected() and not self.connection.connect():
return False
return self.connection.send_message(
queue=RABBITMQ_LOGS_QUEUE,
message=message.dict(),
routing_key='logs'
)
except Exception as e:
logger.error(f"[RABBITMQ] Ошибка экспорта логов: {e}")
return False
def close(self):
"""
[CONTRACT]
@description: Закрывает подключение к RabbitMQ.
@postcondition: Подключение закрыто корректно.
"""
self.connection.disconnect()
# [COHERENCE_CHECK_PASSED] Модуль RabbitMQ создан с полной поддержкой контрактов и обработки ошибок.

View File

@@ -4,8 +4,69 @@
# Семантика: Этот модуль является единственным источником истины для всех
# конфигурационных параметров приложения. Использует Pydantic для типизации и валидации.
import os
from pathlib import Path
from pydantic import BaseModel, Field
from pydantic import BaseModel, Field, validator, HttpUrl
from typing import Optional
from dotenv import load_dotenv
# ANCHOR: Environment_Loading
# Семантика: Загрузка переменных окружения из .env файла
load_dotenv()
# ANCHOR: Base_Paths
# Семантика: Базовые пути для приложения
BASE_DIR = Path(__file__).parent.parent.parent
DATA_DIR = BASE_DIR / "price_data_final"
# ANCHOR: Database_Settings
# Семантика: Настройки базы данных SQLite
DATABASE_URL = os.getenv("DATABASE_URL", f"sqlite:///{BASE_DIR}/price_parser.db")
# ANCHOR: Scraping_Settings
# Семантика: Настройки для веб-скрапинга
SCRAPING_DELAY = float(os.getenv("SCRAPING_DELAY", "1.0")) # Задержка между запросами в секундах
MAX_RETRIES = int(os.getenv("MAX_RETRIES", "3")) # Максимальное количество попыток
REQUEST_TIMEOUT = int(os.getenv("REQUEST_TIMEOUT", "30")) # Таймаут запросов в секундах
USER_AGENT = os.getenv("USER_AGENT", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36")
# ANCHOR: Logging_Settings
# Семантика: Настройки логирования
LOG_LEVEL = os.getenv("LOG_LEVEL", "INFO")
LOG_FORMAT = os.getenv("LOG_FORMAT", "%(asctime)s - %(name)s - %(levelname)s - %(message)s")
LOG_FILE = os.getenv("LOG_FILE", str(BASE_DIR / "logs" / "price_parser.log"))
# ANCHOR: RabbitMQ_Settings
# Семантика: Настройки для подключения к RabbitMQ
RABBITMQ_HOST = os.getenv("RABBITMQ_HOST", "localhost")
RABBITMQ_PORT = int(os.getenv("RABBITMQ_PORT", "5672"))
RABBITMQ_USERNAME = os.getenv("RABBITMQ_USERNAME", "guest")
RABBITMQ_PASSWORD = os.getenv("RABBITMQ_PASSWORD", "guest")
RABBITMQ_VIRTUAL_HOST = os.getenv("RABBITMQ_VIRTUAL_HOST", "/")
# ANCHOR: RabbitMQ_Queue_Settings
# Семантика: Настройки очередей RabbitMQ
RABBITMQ_PRODUCTS_QUEUE = os.getenv("RABBITMQ_PRODUCTS_QUEUE", "price_parser.products")
RABBITMQ_LOGS_QUEUE = os.getenv("RABBITMQ_LOGS_QUEUE", "price_parser.logs")
RABBITMQ_EXCHANGE = os.getenv("RABBITMQ_EXCHANGE", "price_parser.exchange")
# ANCHOR: RabbitMQ_Connection_Settings
# СEMАНТИКА: Настройки подключения к RabbitMQ
RABBITMQ_CONNECTION_TIMEOUT = int(os.getenv("RABBITMQ_CONNECTION_TIMEOUT", "30"))
RABBITMQ_HEARTBEAT = int(os.getenv("RABBITMQ_HEARTBEAT", "600"))
RABBITMQ_BLOCKED_CONNECTION_TIMEOUT = int(os.getenv("RABBITMQ_BLOCKED_CONNECTION_TIMEOUT", "300"))
# ANCHOR: Export_Settings
# Семантика: Настройки экспорта данных
ENABLE_RABBITMQ_EXPORT = os.getenv("ENABLE_RABBITMQ_EXPORT", "false").lower() == "true"
ENABLE_CSV_EXPORT = os.getenv("ENABLE_CSV_EXPORT", "true").lower() == "true"
ENABLE_DATABASE_EXPORT = os.getenv("ENABLE_DATABASE_EXPORT", "true").lower() == "true"
# ANCHOR: Validation_Settings
# Семантика: Настройки валидации данных
VALIDATE_DATA_BEFORE_EXPORT = os.getenv("VALIDATE_DATA_BEFORE_EXPORT", "true").lower() == "true"
# [COHERENCE_CHECK_PASSED] Все настройки определены с разумными значениями по умолчанию.
class ScraperSelectors(BaseModel):
"""
@@ -20,6 +81,13 @@ class ScraperSelectors(BaseModel):
product_page_name: str = Field(..., alias='PRODUCT_PAGE_NAME')
active_volume: str = Field(..., alias='ACTIVE_VOLUME')
price_block: str = Field(..., alias='PRICE_BLOCK')
@validator('*')
def validate_selectors(cls, v):
"""[VALIDATOR] Проверяет, что селекторы не пустые."""
if not v or not v.strip():
raise ValueError('Селектор не может быть пустым')
return v.strip()
class Settings(BaseModel):
"""
@@ -27,19 +95,27 @@ class Settings(BaseModel):
@description: Главный класс конфигурации приложения. Собирает все настройки в одном месте.
"""
# [CONFIG] Основные настройки парсера
base_url: str = 'https://elixirpeptide.ru'
catalog_url: str = 'https://elixirpeptide.ru/catalog/'
headers: dict = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
base_url: str = Field(default='https://elixirpeptide.ru', description="Базовый URL сайта")
catalog_url: str = Field(default='https://elixirpeptide.ru/catalog/', description="URL каталога товаров")
headers: dict = Field(
default={
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
},
description="HTTP заголовки для запросов"
)
# [CONFIG] Настройки вывода
output_dir: Path = Path('price_data_final')
save_to_csv: bool = True
save_to_db: bool = True
output_dir: Path = Field(default=Path('price_data_final'), description="Директория для сохранения результатов")
save_to_csv: bool = Field(default=True, description="Сохранять ли данные в CSV")
save_to_db: bool = Field(default=True, description="Сохранять ли данные в базу данных")
# [CONFIG] Настройки логирования
log_to_db: bool = True
log_to_db: bool = Field(default=True, description="Сохранять ли логи в базу данных")
# [ENHANCEMENT] Настройки производительности
request_timeout: int = Field(default=30, description="Таймаут HTTP запросов в секундах")
delay_between_requests: float = Field(default=1.0, description="Задержка между запросами в секундах")
max_retries: int = Field(default=3, description="Максимальное количество попыток для запросов")
# [CONFIG] Вложенная модель с селекторами
# Мы инициализируем ее прямо здесь, передавая словарь со значениями.
@@ -50,6 +126,40 @@ class Settings(BaseModel):
ACTIVE_VOLUME='.product-version-select li.active',
PRICE_BLOCK='.product-sale-box .price span',
)
@validator('base_url', 'catalog_url')
def validate_urls(cls, v):
"""[VALIDATOR] Проверяет корректность URL."""
if not v.startswith(('http://', 'https://')):
raise ValueError('URL должен начинаться с http:// или https://')
return v
@validator('request_timeout')
def validate_timeout(cls, v):
"""[VALIDATOR] Проверяет корректность таймаута."""
if v <= 0:
raise ValueError('Таймаут должен быть положительным числом')
if v > 300: # 5 минут максимум
raise ValueError('Таймаут не может превышать 300 секунд')
return v
@validator('delay_between_requests')
def validate_delay(cls, v):
"""[VALIDATOR] Проверяет корректность задержки."""
if v < 0:
raise ValueError('Задержка не может быть отрицательной')
if v > 60: # 1 минута максимум
raise ValueError('Задержка не может превышать 60 секунд')
return v
@validator('max_retries')
def validate_retries(cls, v):
"""[VALIDATOR] Проверяет корректность количества попыток."""
if v < 0:
raise ValueError('Количество попыток не может быть отрицательным')
if v > 10: # 10 попыток максимум
raise ValueError('Количество попыток не может превышать 10')
return v
@property
def db_path(self) -> Path:
@@ -58,9 +168,70 @@ class Settings(BaseModel):
Гарантирует, что путь всегда будет актуальным, если изменится output_dir.
"""
return self.output_dir / 'parser_data.db'
def validate_configuration(self) -> list[str]:
"""
[NEW] Валидирует всю конфигурацию и возвращает список ошибок.
Returns:
list[str]: Список ошибок конфигурации (пустой, если все корректно)
"""
errors = []
# Проверка доступности директории
try:
self.output_dir.mkdir(parents=True, exist_ok=True)
except Exception as e:
errors.append(f"Не удается создать директорию {self.output_dir}: {e}")
# Проверка URL
try:
import requests
response = requests.head(self.base_url, timeout=10)
if response.status_code >= 400:
errors.append(f"Базовый URL недоступен: {self.base_url} (статус: {response.status_code})")
except Exception as e:
errors.append(f"Не удается подключиться к базовому URL {self.base_url}: {e}")
return errors
# [ENHANCEMENT] Загрузка настроек из переменных окружения
def load_settings_from_env() -> Settings:
"""
[NEW] Загружает настройки из переменных окружения.
Returns:
Settings: Объект настроек
"""
# Загружаем .env файл, если он существует
env_file = Path('.env')
if env_file.exists():
try:
from dotenv import load_dotenv
load_dotenv()
except ImportError:
pass # python-dotenv не установлен
# Создаем настройки с возможностью переопределения через переменные окружения
settings_data = {
'base_url': os.getenv('PARSER_BASE_URL', 'https://elixirpeptide.ru'),
'catalog_url': os.getenv('PARSER_CATALOG_URL', 'https://elixirpeptide.ru/catalog/'),
'save_to_csv': os.getenv('PARSER_SAVE_TO_CSV', 'true').lower() == 'true',
'save_to_db': os.getenv('PARSER_SAVE_TO_DB', 'true').lower() == 'true',
'log_to_db': os.getenv('PARSER_LOG_TO_DB', 'true').lower() == 'true',
'request_timeout': int(os.getenv('PARSER_TIMEOUT', '30')),
'delay_between_requests': float(os.getenv('PARSER_DELAY', '1.0')),
'max_retries': int(os.getenv('PARSER_RETRIES', '3')),
}
return Settings(**settings_data)
# [SINGLETON] Создаем единственный экземпляр настроек, который будет использоваться
# во всем приложении. Это стандартная практика для работы с конфигурацией.
settings = Settings()
try:
settings = load_settings_from_env()
except Exception as e:
# Fallback к настройкам по умолчанию
settings = Settings()
# [REFACTORING_COMPLETE] Этот модуль готов к использованию.

View File

@@ -3,13 +3,62 @@
# Семантика: Единственная задача этого модуля - создать и запустить оркестратор.
# Он не содержит никакой логики, только инициализирует процесс.
from src.orchestrator import AppOrchestrator
from src.core.settings import settings
import sys
import logging
from orchestrator import AppOrchestrator
from core.settings import settings
def main():
"""Точка входа в приложение."""
orchestrator = AppOrchestrator(settings=settings)
orchestrator.run()
# [ENHANCEMENT] Настройка базового логирования для main
logging.basicConfig(
level=logging.INFO,
format='[%(asctime)s] [%(levelname)s] %(name)s: %(message)s',
datefmt='%Y-%m-%d %H:%M:%S'
)
logger = logging.getLogger(__name__)
try:
logger.info("="*60)
logger.info("🚀 Запуск парсера цен ElixirPeptide")
logger.info("="*60)
# [ENHANCEMENT] Валидация настроек
logger.info("📋 Проверка конфигурации...")
logger.info(f" • Базовый URL: {settings.base_url}")
logger.info(f" • Каталог: {settings.catalog_url}")
logger.info(f" • Сохранение в CSV: {'' if settings.save_to_csv else ''}")
logger.info(f" • Сохранение в БД: {'' if settings.save_to_db else ''}")
logger.info(f" • Логирование в БД: {'' if settings.log_to_db else ''}")
logger.info(f" • Таймаут запросов: {settings.request_timeout}с")
logger.info(f" • Задержка между запросами: {settings.delay_between_requests}с")
logger.info(f" • Максимум попыток: {settings.max_retries}")
# [ENHANCEMENT] Валидация конфигурации
config_errors = settings.validate_configuration()
if config_errors:
logger.error("❌ Ошибки в конфигурации:")
for error in config_errors:
logger.error(f"{error}")
raise ValueError("Конфигурация содержит ошибки")
else:
logger.info("✅ Конфигурация корректна")
# Создание и запуск оркестратора
orchestrator = AppOrchestrator(settings=settings)
orchestrator.run()
logger.info("="*60)
logger.info("✅ Парсинг успешно завершен!")
logger.info("="*60)
except KeyboardInterrupt:
logger.warning("⚠️ Парсинг прерван пользователем (Ctrl+C)")
sys.exit(1)
except Exception as e:
logger.critical(f"💥 Критическая ошибка в приложении: {e}", exc_info=True)
logger.critical("🔧 Проверьте логи для детальной диагностики")
sys.exit(1)
if __name__ == "__main__":
main()

View File

@@ -9,13 +9,14 @@ import time
import requests
from datetime import datetime
from typing import List, Optional
from contextlib import contextmanager
from src.core.settings import Settings
from src.core.models import ProductVariant # [FIX] Импорт ProductVariant из models.py
from src.core.database import init_database, save_data_to_db, DatabaseManager # [FIX] Импорт DatabaseManager
from src.core.logging_config import setup_logging # [COHERENCE_CHECK_PASSED] Импорт loggin_config
from src.scraper.engine import Scraper
from src.utils.exporters import save_data_to_csv
from core.settings import Settings, ENABLE_RABBITMQ_EXPORT, ENABLE_CSV_EXPORT, ENABLE_DATABASE_EXPORT
from core.models import ProductVariant # [FIX] Импорт ProductVariant из models.py
from core.database import init_database, save_data_to_db, DatabaseManager # [FIX] Импорт DatabaseManager
from core.logging_config import setup_logging # [COHERENCE_CHECK_PASSED] Импорт loggin_config
from scraper.engine import Scraper
from utils.exporters import save_data_to_csv, export_data_to_rabbitmq, export_logs_to_rabbitmq, validate_rabbitmq_connection
class AppOrchestrator:
"""
@@ -31,6 +32,13 @@ class AppOrchestrator:
self.http_session.headers.update(settings.headers)
self.db_manager: Optional[DatabaseManager] = None # [STATE] Инициализация db_manager как Optional
self.final_data: List[ProductVariant] = []
self.stats = {
'total_urls': 0,
'successful_parses': 0,
'failed_parses': 0,
'start_time': None,
'end_time': None
}
# [DELEGATES] Создаем экземпляр скрейпера, передавая ему зависимости.
# Оркестратор владеет скрейпером.
@@ -41,106 +49,210 @@ class AppOrchestrator:
)
self.logger = logging.getLogger(self.__class__.__name__) # [INIT] Инициализация логгера для класса
@contextmanager
def _error_context(self, operation: str):
"""[HELPER] Контекстный менеджер для обработки ошибок с детальной диагностикой."""
try:
yield
except Exception as e:
self.logger.error(f"[ERROR] Ошибка в операции '{operation}': {e}", exc_info=True)
# [ENHANCEMENT] Детальная диагностика ошибки
self._log_error_details(operation, e)
raise
def _log_error_details(self, operation: str, error: Exception):
"""[HELPER] Логирует детальную информацию об ошибке."""
error_info = {
'operation': operation,
'error_type': type(error).__name__,
'error_message': str(error),
'run_id': self.run_id,
'timestamp': datetime.now().isoformat(),
'stats': self.stats.copy()
}
self.logger.error(f"[ERROR_DETAILS] {error_info}")
def _setup(self):
"""[ACTION] Шаг 0: Инициализация всех систем."""
self.logger.info(f"[INFO] Запуск инициализации систем. Run ID: {self.run_id}")
# [CONDITIONAL_ACTION] Инициализация базы данных, если требуется
if self.settings.save_to_db or self.settings.log_to_db:
# [ACTION] Создаем директорию для БД, если ее нет
self.settings.output_dir.mkdir(parents=True, exist_ok=True)
self.db_manager = DatabaseManager(self.settings.db_path)
init_database(self.db_manager.db_path, self.run_id) # init_database работает с Path
# [DELEGATES] Настройка логирования
setup_logging(self.run_id, self.db_manager)
self.logger.info(f"[INFO] Оркестратор запущен. Архитектура v2.0. Run ID: {self.run_id}")
with self._error_context("setup"):
self.stats['start_time'] = datetime.now()
self.logger.info(f"[INFO] Запуск инициализации систем. Run ID: {self.run_id}")
# [CONDITIONAL_ACTION] Инициализация базы данных, если требуется
if self.settings.save_to_db or self.settings.log_to_db:
# [ACTION] Создаем директорию для БД, если ее нет
self.settings.output_dir.mkdir(parents=True, exist_ok=True)
self.db_manager = DatabaseManager(self.settings.db_path)
init_database(self.db_manager.db_path, self.run_id) # init_database работает с Path
# [DELEGATES] Настройка логирования
setup_logging(self.run_id, self.db_manager)
# [ENHANCEMENT] Проверка доступности RabbitMQ
if ENABLE_RABBITMQ_EXPORT:
if validate_rabbitmq_connection():
self.logger.info("[RABBITMQ] Подключение к RabbitMQ доступно")
else:
self.logger.warning("[RABBITMQ] Подключение к RabbitMQ недоступно, экспорт в RabbitMQ будет пропущен")
self.logger.info(f"[INFO] Оркестратор запущен. Архитектура v2.0. Run ID: {self.run_id}")
def _collect_urls(self) -> List[str]:
"""[ACTION] Шаги 1 и 2: Сбор всех URL для парсинга."""
self.logger.info("[INFO] Начало сбора URL для парсинга.")
# [DELEGATES] Делегируем сбор URL скрейперу.
base_urls = self.scraper.get_base_product_urls(
catalog_url=self.settings.catalog_url,
run_id=self.run_id
)
if not base_urls:
self.logger.error("[ERROR] Не найдено ни одного базового URL. Завершение работы сбора URL.")
return []
# [DELEGATES] Делегируем сбор URL вариантов скрейперу.
all_urls_to_scrape = self.scraper.get_all_variant_urls(
base_product_urls=base_urls,
run_id=self.run_id
)
if not all_urls_to_scrape:
self.logger.error("[ERROR] Не удалось сформировать список URL для парсинга. Завершение работы сбора URL.")
self.logger.info(f"[INFO] Сбор URL завершен. Найдено {len(all_urls_to_scrape)} URL вариантов для парсинга.")
return all_urls_to_scrape
with self._error_context("collect_urls"):
self.logger.info("[INFO] Начало сбора URL для парсинга.")
# [DELEGATES] Делегируем сбор URL скрейперу.
base_urls = self.scraper.get_base_product_urls(
catalog_url=self.settings.catalog_url,
run_id=self.run_id
)
if not base_urls:
self.logger.error("[ERROR] Не найдено ни одного базового URL. Завершение работы сбора URL.")
return []
# [DELEGATES] Делегируем сбор URL вариантов скрейперу.
all_urls_to_scrape = self.scraper.get_all_variant_urls(
base_product_urls=base_urls,
run_id=self.run_id
)
if not all_urls_to_scrape:
self.logger.error("[ERROR] Не удалось сформировать список URL для парсинга. Завершение работы сбора URL.")
return []
self.stats['total_urls'] = len(all_urls_to_scrape)
self.logger.info(f"[INFO] Сбор URL завершен. Найдено {len(all_urls_to_scrape)} URL вариантов для парсинга.")
return all_urls_to_scrape
def _scrape_data(self, urls: List[str]):
"""[ACTION] Шаг 3: Итеративный парсинг данных."""
total_to_scrape = len(urls)
self.logger.info(f"[INFO] Начало парсинга {total_to_scrape} URL вариантов.")
for i, url in enumerate(urls):
self.logger.info(f"[INFO] Парсинг URL {i+1}/{total_to_scrape}: {url.split('/')[-1]}")
time.sleep(1) # [ACTION] Задержка между запросами
# [DELEGATES] Делегируем парсинг одной страницы скрейперу.
variant_data = self.scraper.scrape_variant_page(
variant_url=url,
run_id=self.run_id
)
if variant_data:
self.final_data.append(variant_data)
self.logger.info(f"[INFO] Парсинг данных завершен. Всего собрано {len(self.final_data)} валидных вариантов.")
with self._error_context("scrape_data"):
total_to_scrape = len(urls)
self.logger.info(f"[INFO] Начало парсинга {total_to_scrape} URL вариантов.")
for i, url in enumerate(urls):
try:
self.logger.info(f"[INFO] Парсинг URL {i+1}/{total_to_scrape}: {url.split('/')[-1]}")
time.sleep(1) # [ACTION] Задержка между запросами
# [DELEGATES] Делегируем парсинг одной страницы скрейперу.
variant_data = self.scraper.scrape_variant_page(
variant_url=url,
run_id=self.run_id
)
if variant_data:
self.final_data.append(variant_data)
self.stats['successful_parses'] += 1
else:
self.stats['failed_parses'] += 1
except Exception as e:
self.stats['failed_parses'] += 1
self.logger.error(f"[ERROR] Ошибка при парсинге URL {i+1}/{total_to_scrape} ({url}): {e}")
# [ENHANCEMENT] Продолжаем работу, не прерывая весь процесс
continue
self.logger.info(f"[INFO] Парсинг данных завершен. Всего собрано {len(self.final_data)} валидных вариантов.")
self.logger.info(f"[STATS] Успешно: {self.stats['successful_parses']}, Ошибок: {self.stats['failed_parses']}")
def _save_results(self):
"""[ACTION] Шаг 4: Сохранение результатов."""
self.logger.info("[INFO] Начало сохранения результатов парсинга.")
if not self.final_data:
self.logger.warning("[WARN] Итоговый набор данных пуст. Файлы не будут созданы.")
return
with self._error_context("save_results"):
self.logger.info("[INFO] Начало сохранения результатов парсинга.")
if not self.final_data:
self.logger.warning("[WARN] Итоговый набор данных пуст. Файлы не будут созданы.")
return
self.logger.info(f"[INFO] Всего найдено валидных вариантов для сохранения: {len(self.final_data)}")
# [CONDITIONAL_ACTION] Сохранение в CSV
if self.settings.save_to_csv:
timestamp = datetime.now().strftime('%Y-%m-%d_%H%M%S') # Добавил время для уникальности
output_filename = self.settings.output_dir / f'prices_full_catalog_{timestamp}.csv'
# Преобразуем ProductVariant объекты в словари для save_data_to_csv
data_to_csv = [p.model_dump() for p in self.final_data] # Используем model_dump() для Pydantic v2
save_data_to_csv(data_to_csv, output_filename, self.run_id)
self.logger.info(f"[INFO] Данные сохранены в CSV: {output_filename}")
self.logger.info(f"[INFO] Всего найдено валидных вариантов для сохранения: {len(self.final_data)}")
# [CONDITIONAL_ACTION] Сохранение в CSV
if ENABLE_CSV_EXPORT and self.settings.save_to_csv:
try:
timestamp = datetime.now().strftime('%Y-%m-%d_%H%M%S') # Добавил время для уникальности
output_filename = self.settings.output_dir / f'prices_full_catalog_{timestamp}.csv'
# Преобразуем ProductVariant объекты в словари для save_data_to_csv
data_to_csv = [p.model_dump() for p in self.final_data] # Используем model_dump() для Pydantic v2
if save_data_to_csv(data_to_csv, output_filename, self.run_id):
self.logger.info(f"[INFO] Данные успешно сохранены в CSV: {output_filename}")
else:
self.logger.error(f"[ERROR] Не удалось сохранить данные в CSV: {output_filename}")
except Exception as e:
self.logger.error(f"[ERROR] Ошибка при сохранении в CSV: {e}")
# [CONDITIONAL_ACTION] Сохранение в БД
if self.settings.save_to_db and self.db_manager:
# Преобразуем ProductVariant объекты в словари для save_data_to_db
data_to_db = [p.model_dump() for p in self.final_data]
save_data_to_db(data_to_db, self.db_manager.db_path, self.run_id) # save_data_to_db ожидает Path
self.logger.info("[INFO] Данные сохранены в базу данных.")
self.logger.info("[INFO] Сохранение результатов завершено.")
# [CONDITIONAL_ACTION] Сохранение в БД
if ENABLE_DATABASE_EXPORT and self.settings.save_to_db and self.db_manager:
try:
# Преобразуем ProductVariant объекты в словари для save_data_to_db
data_to_db = [p.model_dump() for p in self.final_data]
if save_data_to_db(data_to_db, self.db_manager.db_path, self.run_id): # save_data_to_db ожидает Path
self.logger.info("[INFO] Данные успешно сохранены в базу данных.")
else:
self.logger.error("[ERROR] Не удалось сохранить данные в базу данных.")
except Exception as e:
self.logger.error(f"[ERROR] Ошибка при сохранении в БД: {e}")
# [ENHANCEMENT] Экспорт в RabbitMQ
if ENABLE_RABBITMQ_EXPORT:
try:
# Преобразуем ProductVariant объекты в словари для экспорта
data_to_rabbitmq = [p.model_dump() for p in self.final_data]
if export_data_to_rabbitmq(data_to_rabbitmq, self.run_id, self.run_id):
self.logger.info("[INFO] Данные успешно экспортированы в RabbitMQ.")
else:
self.logger.error("[ERROR] Не удалось экспортировать данные в RabbitMQ.")
except Exception as e:
self.logger.error(f"[ERROR] Ошибка при экспорте в RabbitMQ: {e}")
self.logger.info("[INFO] Сохранение результатов завершено.")
def _cleanup(self):
"""[ACTION] Шаг 5: Корректное завершение работы."""
self.logger.info("[INFO] Начало очистки ресурсов.")
self.http_session.close()
self.logger.debug("[DEBUG] HTTP-сессия закрыта.")
if self.db_manager:
self.db_manager.close()
self.logger.debug("[DEBUG] Соединение с базой данных закрыто.")
self.logger.info(f"[COHERENCE_CHECK_PASSED] Работа парсера завершена. Run ID: {self.run_id}")
try:
self.stats['end_time'] = datetime.now()
duration = self.stats['end_time'] - self.stats['start_time'] if self.stats['start_time'] else None
self.logger.info("[INFO] Начало очистки ресурсов.")
self.http_session.close()
self.logger.debug("[DEBUG] HTTP-сессия закрыта.")
if self.db_manager:
self.db_manager.close()
self.logger.debug("[DEBUG] Соединение с базой данных закрыто.")
# [ENHANCEMENT] Финальная статистика
if duration:
self.logger.info(f"[FINAL_STATS] Время выполнения: {duration.total_seconds():.2f} секунд")
self.logger.info(f"[FINAL_STATS] Успешность: {self.stats['successful_parses']}/{self.stats['total_urls']} ({self.stats['successful_parses']/self.stats['total_urls']*100:.1f}%)")
self.logger.info(f"[COHERENCE_CHECK_PASSED] Работа парсера завершена. Run ID: {self.run_id}")
except Exception as e:
self.logger.error(f"[ERROR] Ошибка при очистке ресурсов: {e}")
def run(self):
"""[ENTRYPOINT] Основной метод, запускающий весь процесс."""
self.logger.info("="*50)
self.logger.info("[INFO] Запуск главного процесса оркестратора.")
self.logger.info("="*50)
try:
self._setup()
urls_to_scrape = self._collect_urls()
if urls_to_scrape:
self._scrape_data(urls_to_scrape)
self._save_results()
else:
self.logger.warning("[WARN] Отсутствуют URL для парсинга. Пропуск шагов парсинга и сохранения.")
except Exception as e:
self.logger.critical(f"[CRITICAL] Непредвиденная критическая ошибка в оркестраторе: {e}", exc_info=True)
# [COHERENCE_CHECK_FAILED] Критическая ошибка нарушила нормальный поток выполнения.
raise # Пробрасываем исключение для обработки на верхнем уровне
finally:
self._cleanup()

2
src/scraper/__init__.py Normal file
View File

@@ -0,0 +1,2 @@
# ANCHOR: Scraper_Package_Init
# Семантика: Инициализация пакета scraper

View File

@@ -9,9 +9,11 @@ from urllib.parse import urljoin
import requests
from bs4 import BeautifulSoup
from typing import List, Optional
from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry
from src.core.models import ProductVariant # [FIX] Импорт ProductVariant
from src.core.settings import ScraperSelectors
from core.models import ProductVariant # [FIX] Импорт ProductVariant
from core.settings import ScraperSelectors
class Scraper:
"""
@@ -25,27 +27,79 @@ class Scraper:
self.selectors = selectors
self.base_url = base_url
self.logger = logging.getLogger(self.__class__.__name__)
# [ENHANCEMENT] Настройка retry стратегии для HTTP запросов
self._setup_retry_strategy()
def _setup_retry_strategy(self):
"""[HELPER] Настраивает retry стратегию для HTTP запросов."""
retry_strategy = Retry(
total=3, # Максимум 3 попытки
backoff_factor=1, # Экспоненциальная задержка: 1, 2, 4 секунды
status_forcelist=[429, 500, 502, 503, 504], # Коды ошибок для retry
allowed_methods=["HEAD", "GET", "OPTIONS"] # Разрешенные методы
)
adapter = HTTPAdapter(max_retries=retry_strategy)
self.session.mount("http://", adapter)
self.session.mount("https://", adapter)
self.logger.debug("[DEBUG] Retry стратегия настроена для HTTP запросов.")
def _clean_price(self, price_str: str) -> int:
"""[HELPER] Очищает строку цены и возвращает целое число."""
self.logger.debug(f"[DEBUG] Очистка цены: '{price_str}'")
digits = ''.join(filter(str.isdigit, price_str))
cleaned_price = int(digits) if digits else 0
self.logger.debug(f"[DEBUG] Цена после очистки: {cleaned_price}")
return cleaned_price
try:
# Удаляем все символы кроме цифр
digits = ''.join(filter(str.isdigit, price_str))
if not digits:
self.logger.warning(f"[WARNING] Не удалось извлечь цифры из цены: '{price_str}'")
return 0
cleaned_price = int(digits)
if cleaned_price <= 0:
self.logger.warning(f"[WARNING] Некорректная цена (<= 0): {cleaned_price}")
return 0
self.logger.debug(f"[DEBUG] Цена после очистки: {cleaned_price}")
return cleaned_price
except (ValueError, TypeError) as e:
self.logger.error(f"[ERROR] Ошибка при обработке цены '{price_str}': {e}")
return 0
def _fetch_page(self, url: str, request_id: str) -> Optional[str]:
"""[HELPER] Приватный метод для скачивания HTML-содержимого страницы."""
log_prefix = f"_fetch_page(id={request_id})"
self.logger.debug(f"{log_prefix} - Запрос к URL: {url}")
try:
response = self.session.get(url, timeout=20)
response.raise_for_status() # Вызовет исключение для 4xx/5xx кодов.
response = self.session.get(url, timeout=30) # Увеличил timeout до 30 секунд
response.raise_for_status()
# [ENHANCEMENT] Проверка на валидный HTML
if not response.text.strip():
self.logger.warning(f"{log_prefix} - Получен пустой ответ от {url}")
return None
# [ENHANCEMENT] Проверка на блокировку или капчу
if "captcha" in response.text.lower() or "blocked" in response.text.lower():
self.logger.error(f"{log_prefix} - [BLOCKED] Обнаружена капча или блокировка на {url}")
return None
self.logger.debug(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Страница успешно получена, статус {response.status_code}.")
return response.text
except requests.exceptions.Timeout:
self.logger.error(f"{log_prefix} - [TIMEOUT] Превышено время ожидания для {url}")
return None
except requests.exceptions.ConnectionError as e:
self.logger.error(f"{log_prefix} - [CONNECTION_ERROR] Ошибка соединения для {url}: {e}")
return None
except requests.exceptions.HTTPError as e:
self.logger.error(f"{log_prefix} - [HTTP_ERROR] HTTP ошибка для {url}: {e.response.status_code}")
return None
except requests.RequestException as e:
self.logger.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Сетевая ошибка при запросе {url}: {e}", exc_info=True)
return None
except Exception as e:
self.logger.critical(f"{log_prefix} - [CRITICAL] Непредвиденная ошибка при запросе {url}: {e}", exc_info=True)
return None
def get_base_product_urls(self, catalog_url: str, run_id: str) -> List[str]:
"""[ACTION] Собирает URL всех товаров с основной страницы каталога.
@@ -54,16 +108,36 @@ class Scraper:
"""
log_prefix = f"get_base_urls(id={run_id})"
self.logger.info(f"{log_prefix} - Начало сбора базовых URL с: {catalog_url}")
html = self._fetch_page(catalog_url, log_prefix)
if not html:
self.logger.warning(f"{log_prefix} - Не удалось получить HTML страницы каталога, возвращаю пустой список.")
self.logger.error(f"{log_prefix} - [CRITICAL] Не удалось получить HTML страницы каталога, возвращаю пустой список.")
return []
try:
soup = BeautifulSoup(html, 'html.parser')
links = soup.select(self.selectors.catalog_product_link)
if not links:
self.logger.warning(f"{log_prefix} - [WARNING] Не найдено ни одной ссылки на товар с селектором: {self.selectors.catalog_product_link}")
return []
unique_urls = set()
for link in links:
href = link.get('href')
if href:
full_url = urljoin(self.base_url, href)
unique_urls.add(full_url)
else:
self.logger.debug(f"{log_prefix} - Пропуск ссылки без href: {link}")
self.logger.info(f"{log_prefix} - Найдено {len(unique_urls)} уникальных базовых URL.")
# [COHERENCE_CHECK_PASSED] Базовые URL успешно собраны.
return list(unique_urls)
except Exception as e:
self.logger.error(f"{log_prefix} - [CRITICAL] Ошибка при парсинге каталога: {e}", exc_info=True)
return []
soup = BeautifulSoup(html, 'html.parser')
links = soup.select(self.selectors.catalog_product_link)
unique_urls = {urljoin(self.base_url, link.get('href')) for link in links if link.get('href')}
self.logger.info(f"{log_prefix} - Найдено {len(unique_urls)} уникальных базовых URL.")
# [COHERENCE_CHECK_PASSED] Базовые URL успешно собраны.
return list(unique_urls)
def get_all_variant_urls(self, base_product_urls: List[str], run_id: str) -> List[str]:
"""[ACTION] Проходит по базовым URL и собирает URL всех их вариантов.
@@ -77,24 +151,36 @@ class Scraper:
for i, base_url in enumerate(base_product_urls):
self.logger.info(f"{log_prefix} - Обработка базового URL {i+1}/{total_base}: {base_url.split('/')[-1]}")
html = self._fetch_page(base_url, f"{log_prefix}-{i+1}")
if not html:
self.logger.warning(f"{log_prefix} - Пропуск базового URL из-за ошибки загрузки: {base_url}")
continue
soup = BeautifulSoup(html, 'html.parser')
variant_items = soup.select(self.selectors.variant_list_item)
if not variant_items:
self.logger.debug(f"{log_prefix} - Товар не имеет явных вариантов, добавляю базовый URL как вариант: {base_url}")
try:
soup = BeautifulSoup(html, 'html.parser')
variant_items = soup.select(self.selectors.variant_list_item)
if not variant_items:
self.logger.debug(f"{log_prefix} - Товар не имеет явных вариантов, добавляю базовый URL как вариант: {base_url}")
all_variant_urls.append(base_url)
else:
for item in variant_items:
variant_id = item.get('data-id')
if variant_id:
variant_url = f"{base_url}?product={variant_id}"
all_variant_urls.append(variant_url)
else:
self.logger.debug(f"{log_prefix} - Пропуск варианта без data-id: {item}")
self.logger.debug(f"{log_prefix} - Найдено {len(variant_items)} вариантов для товара {base_url.split('/')[-1]}.")
except Exception as e:
self.logger.error(f"{log_prefix} - [ERROR] Ошибка при обработке вариантов для {base_url}: {e}")
# Добавляем базовый URL как fallback
all_variant_urls.append(base_url)
else:
for item in variant_items:
variant_id = item.get('data-id')
if variant_id:
variant_url = f"{base_url}?product={variant_id}"
all_variant_urls.append(variant_url)
self.logger.debug(f"{log_prefix} - Найдено {len(variant_items)} вариантов для товара {base_url.split('/')[-1]}.")
time.sleep(0.5) # [ACTION] Задержка между запросами
self.logger.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Обнаружено всего {len(all_variant_urls)} URL вариантов для парсинга.")
return all_variant_urls
@@ -105,188 +191,59 @@ class Scraper:
"""
log_prefix = f"scrape_variant(id={run_id}, url={variant_url.split('/')[-1]})"
self.logger.info(f"{log_prefix} - Начало парсинга страницы варианта.")
html = self._fetch_page(variant_url, log_prefix)
if not html:
self.logger.warning(f"{log_prefix} - Не удалось получить HTML страницы варианта, пропуск парсинга.")
return None
soup = BeautifulSoup(html, 'html.parser')
try:
soup = BeautifulSoup(html, 'html.parser')
# [ENHANCEMENT] Более детальная проверка элементов
name_el = soup.select_one(self.selectors.product_page_name)
price_el = soup.select_one(self.selectors.price_block)
volume_el = soup.select_one(self.selectors.active_volume) # Optional, может отсутствовать
# [PRECONDITION] Проверка наличия основных элементов
if not (name_el and price_el):
self.logger.warning(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Не найдены базовые элементы (Имя продукта или Блок цены). Пропуск URL: {variant_url}.")
if not name_el:
self.logger.warning(f"{log_prefix} - [MISSING_ELEMENT] Не найден элемент имени продукта с селектором: {self.selectors.product_page_name}")
return None
# [ACTION] Извлечение данных
if not price_el:
self.logger.warning(f"{log_prefix} - [MISSING_ELEMENT] Не найден элемент цены с селектором: {self.selectors.price_block}")
return None
# [ACTION] Извлечение данных с дополнительной валидацией
name = name_el.get_text(strip=True)
price = self._clean_price(price_el.get_text(strip=True))
if not name:
self.logger.warning(f"{log_prefix} - [EMPTY_DATA] Пустое имя продукта")
return None
price_text = price_el.get_text(strip=True)
if not price_text:
self.logger.warning(f"{log_prefix} - [EMPTY_DATA] Пустая цена")
return None
price = self._clean_price(price_text)
if price <= 0:
self.logger.warning(f"{log_prefix} - [INVALID_PRICE] Некорректная цена: {price}")
return None
volume = volume_el.get_text(strip=True) if volume_el else "N/A"
# [POSTCONDITION] Создаем экземпляр контракта данных.
# [CONTRACT_VALIDATOR] Pydantic валидация при создании модели
product = ProductVariant(name=name, volume=volume, price=price, url=variant_url)
self.logger.debug(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Успешно распарсен вариант: '{product.name}' | '{product.volume}' | '{product.price}'")
return product
try:
product = ProductVariant(name=name, volume=volume, price=price, url=variant_url)
self.logger.debug(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Успешно распарсен вариант: '{product.name}' | '{product.volume}' | '{product.price}'")
return product
except Exception as e:
self.logger.error(f"{log_prefix} - [VALIDATION_ERROR] Ошибка валидации ProductVariant: {e}")
return None
except Exception as e:
self.logger.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Исключение при парсинге страницы {variant_url}: {e}", exc_info=True)
return None
def get_base_product_urls(self, catalog_url: str, run_id: str) -> List[str]:
"""[ACTION] Собирает URL всех товаров с основной страницы каталога.
@pre: `catalog_url` должен быть доступен.
@post: Возвращает список уникальных URL базовых продуктов.
"""
log_prefix = f"get_base_urls(id={run_id})"
self.logger.info(f"{log_prefix} - Начало сбора базовых URL с: {catalog_url}")
html = self._fetch_page(catalog_url, log_prefix)
if not html:
self.logger.warning(f"{log_prefix} - Не удалось получить HTML страницы каталога, возвращаю пустой список.")
return []
soup = BeautifulSoup(html, 'html.parser')
links = soup.select(self.selectors.catalog_product_link)
unique_urls = {urljoin(self.base_url, link.get('href')) for link in links if link.get('href')}
self.logger.info(f"{log_prefix} - Найдено {len(unique_urls)} уникальных базовых URL.")
# [COHERENCE_CHECK_PASSED] Базовые URL успешно собраны.
return list(unique_urls)
def get_all_variant_urls(self, base_product_urls: List[str], run_id: str) -> List[str]:
"""[ACTION] Проходит по базовым URL и собирает URL всех их вариантов.
@pre: `base_product_urls` - список доступных URL продуктов.
@post: Возвращает список всех URL вариантов продуктов.
"""
all_variant_urls = []
total_base = len(base_product_urls)
log_prefix = f"get_variant_urls(id={run_id})"
self.logger.info(f"{log_prefix} - Начало сбора URL вариантов для {total_base} базовых продуктов.")
for i, base_url in enumerate(base_product_urls):
self.logger.info(f"{log_prefix} - Обработка базового URL {i+1}/{total_base}: {base_url.split('/')[-1]}")
html = self._fetch_page(base_url, f"{log_prefix}-{i+1}")
if not html:
self.logger.warning(f"{log_prefix} - Пропуск базового URL из-за ошибки загрузки: {base_url}")
continue
soup = BeautifulSoup(html, 'html.parser')
variant_items = soup.select(self.selectors.variant_list_item)
if not variant_items:
self.logger.debug(f"{log_prefix} - Товар не имеет явных вариантов, добавляю базовый URL как вариант: {base_url}")
all_variant_urls.append(base_url)
else:
for item in variant_items:
variant_id = item.get('data-id')
if variant_id:
variant_url = f"{base_url}?product={variant_id}"
all_variant_urls.append(variant_url)
self.logger.debug(f"{log_prefix} - Найдено {len(variant_items)} вариантов для товара {base_url.split('/')[-1]}.")
time.sleep(0.5) # [ACTION] Задержка между запросами
self.logger.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Обнаружено всего {len(all_variant_urls)} URL вариантов для парсинга.")
return all_variant_urls
def scrape_variant_page(self, variant_url: str, run_id: str) -> Optional[ProductVariant]:
"""[ACTION] Парсит страницу одного варианта и возвращает Pydantic-модель.
@pre: `variant_url` должен быть доступен и содержать ожидаемые элементы.
@post: Возвращает `ProductVariant` или `None` в случае ошибки парсинга.
"""
log_prefix = f"scrape_variant(id={run_id}, url={variant_url.split('/')[-1]})"
self.logger.info(f"{log_prefix} - Начало парсинга страницы варианта.")
html = self._fetch_page(variant_url, log_prefix)
if not html:
self.logger.warning(f"{log_prefix} - Не удалось получить HTML страницы варианта, пропуск парсинга.")
return None
soup = BeautifulSoup(html, 'html.parser')
try:
name_el = soup.select_one(self.selectors.product_page_name)
price_el = soup.select_one(self.selectors.price_block)
volume_el = soup.select_one(self.selectors.active_volume) # Optional, может отсутствовать
# [PRECONDITION] Проверка наличия основных элементов
if not (name_el and price_el):
self.logger.warning(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Не найдены базовые элементы (Имя продукта или Блок цены). Пропуск URL: {variant_url}.")
return None
# [ACTION] Извлечение данных
name = name_el.get_text(strip=True)
price = self._clean_price(price_el.get_text(strip=True))
volume = volume_el.get_text(strip=True) if volume_el else "N/A"
# [POSTCONDITION] Создаем экземпляр контракта данных.
# [CONTRACT_VALIDATOR] Pydantic валидация при создании модели
product = ProductVariant(name=name, volume=volume, price=price, url=variant_url)
self.logger.debug(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Успешно распарсен вариант: '{product.name}' | '{product.volume}' | '{product.price}'")
return product
except Exception as e:
self.logger.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Исключение при парсинге страницы {variant_url}: {e}", exc_info=True)
return None
def get_base_product_urls(self, catalog_url: str, run_id: str) -> List[str]:
"""[ACTION] Собирает URL всех товаров с основной страницы каталога."""
log_prefix = f"get_base_urls(id={run_id})"
self.logger.info(f"{log_prefix} - Начало сбора базовых URL с: {catalog_url}")
html = self._fetch_page(catalog_url, log_prefix)
if not html:
return []
soup = BeautifulSoup(html, 'html.parser')
links = soup.select(self.selectors.catalog_product_link)
unique_urls = {urljoin(self.base_url, link.get('href')) for link in links if link.get('href')}
self.logger.info(f"{log_prefix} - Найдено {len(unique_urls)} уникальных базовых URL.")
return list(unique_urls)
def get_all_variant_urls(self, base_product_urls: List[str], run_id: str) -> List[str]:
"""[ACTION] Проходит по базовым URL и собирает URL всех их вариантов."""
all_variant_urls = []
total_base = len(base_product_urls)
log_prefix = f"get_variant_urls(id={run_id})"
for i, base_url in enumerate(base_product_urls):
self.logger.info(f"{log_prefix} - Обработка базового URL {i+1}/{total_base}: {base_url.split('/')[-1]}")
html = self._fetch_page(base_url, f"{log_prefix}-{i+1}")
if not html:
continue
soup = BeautifulSoup(html, 'html.parser')
variant_items = soup.select(self.selectors.variant_list_item)
if not variant_items:
self.logger.debug(f"{log_prefix} - Товар без вариантов, используется базовый URL: {base_url}")
all_variant_urls.append(base_url)
else:
for item in variant_items:
variant_id = item.get('data-id')
if variant_id:
variant_url = f"{base_url}?product={variant_id}"
all_variant_urls.append(variant_url)
self.logger.debug(f"{log_prefix} - Найдено {len(variant_items)} вариантов для товара.")
time.sleep(0.5)
self.logger.info(f"Обнаружено всего {len(all_variant_urls)} URL вариантов для парсинга.")
return all_variant_urls
def scrape_variant_page(self, variant_url: str, run_id: str) -> Optional[ProductVariant]:
"""[ACTION] Парсит страницу одного варианта и возвращает Pydantic-модель."""
log_prefix = f"scrape_variant(id={run_id}, url={variant_url.split('/')[-1]})"
html = self._fetch_page(variant_url, log_prefix)
if not html:
return None
soup = BeautifulSoup(html, 'html.parser')
try:
name_el = soup.select_one(self.selectors.product_page_name)
price_el = soup.select_one(self.selectors.price_block)
if not (name_el and price_el):
self.logger.warning(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Не найдены базовые элементы (Имя или Цена). Пропуск URL.")
return None
name = name_el.get_text(strip=True)
price = self._clean_price(price_el.get_text(strip=True))
volume_el = soup.select_one(self.selectors.active_volume)
volume = volume_el.get_text(strip=True) if volume_el else "N/A"
# [POSTCONDITION] Создаем экземпляр контракта данных.
product = ProductVariant(name=name, volume=volume, price=price, url=variant_url)
self.logger.debug(f"{log_prefix} - Успешно: '{product.name}', '{product.volume}', '{product.price}'")
return product
except Exception as e:
self.logger.error(f"{log_prefix} - Исключение при парсинге страницы: {e}", exc_info=True)
return None
# [REFACTORING_COMPLETE]
# [REFACTORING_COMPLETE] Дублированные методы удалены, улучшена обработка ошибок

2
src/utils/__init__.py Normal file
View File

@@ -0,0 +1,2 @@
# ANCHOR: Utils_Package_Init
# Семантика: Инициализация пакета utils

View File

@@ -5,22 +5,265 @@
import logging
import csv
from pathlib import Path
from typing import List, Dict
from typing import List, Dict, Optional
def save_data_to_csv(data: List[Dict], filename: Path, request_id: str):
# ... (код функции save_data_to_csv без изменений) ...
def save_data_to_csv(data: List[Dict], filename: Path, request_id: str) -> bool:
"""
[ENHANCED] Сохраняет данные в CSV файл с улучшенной обработкой ошибок.
Args:
data: Список словарей с данными для сохранения
filename: Путь к файлу для сохранения
request_id: Идентификатор запроса для логирования
Returns:
bool: True если сохранение прошло успешно, False в противном случае
"""
log_prefix = f"save_data_to_csv(id={request_id})"
# [ENHANCEMENT] Валидация входных данных
if not data:
logging.warning(f"{log_prefix} - [CONTRACT_VIOLATION] Данные для сохранения отсутствуют.")
return
return False
if not isinstance(data, list):
logging.error(f"{log_prefix} - [TYPE_ERROR] Данные должны быть списком, получено: {type(data)}")
return False
# [ENHANCEMENT] Проверка структуры данных
required_fields = ['name', 'volume', 'price']
for i, item in enumerate(data):
if not isinstance(item, dict):
logging.error(f"{log_prefix} - [TYPE_ERROR] Элемент {i} должен быть словарем, получено: {type(item)}")
return False
missing_fields = [field for field in required_fields if field not in item]
if missing_fields:
logging.error(f"{log_prefix} - [MISSING_FIELDS] Элемент {i} не содержит поля: {missing_fields}")
return False
# [ENHANCEMENT] Валидация типов данных
if not isinstance(item['name'], str) or not item['name'].strip():
logging.error(f"{log_prefix} - [INVALID_NAME] Элемент {i} имеет некорректное имя: {item['name']}")
return False
if not isinstance(item['volume'], str):
logging.error(f"{log_prefix} - [INVALID_VOLUME] Элемент {i} имеет некорректный объем: {item['volume']}")
return False
if not isinstance(item['price'], (int, float)) or item['price'] < 0:
logging.error(f"{log_prefix} - [INVALID_PRICE] Элемент {i} имеет некорректную цену: {item['price']}")
return False
logging.info(f"{log_prefix} - Начало сохранения {len(data)} записей в файл: {filename}")
try:
# [ENHANCEMENT] Создание директории, если она не существует
filename.parent.mkdir(parents=True, exist_ok=True)
# [ENHANCEMENT] Проверка доступности файла для записи
if filename.exists():
logging.warning(f"{log_prefix} - Файл {filename} уже существует и будет перезаписан")
# [ENHANCEMENT] Определение полей на основе данных
fieldnames = ['name', 'volume', 'price']
with open(filename, 'w', newline='', encoding='utf-8') as csvfile:
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
writer.writerows(data)
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Данные успешно сохранены.")
# [ENHANCEMENT] Запись данных с обработкой ошибок
for i, row in enumerate(data):
try:
writer.writerow(row)
except Exception as e:
logging.error(f"{log_prefix} - [WRITE_ERROR] Ошибка записи строки {i}: {e}")
# Продолжаем запись остальных строк
continue
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Данные успешно сохранены в {filename}")
return True
except PermissionError as e:
logging.error(f"{log_prefix} - [PERMISSION_ERROR] Нет прав на запись в файл {filename}: {e}")
return False
except OSError as e:
logging.error(f"{log_prefix} - [OS_ERROR] Ошибка операционной системы при сохранении {filename}: {e}")
return False
except Exception as e:
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Ошибка при сохранении CSV: {e}")
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Непредвиденная ошибка при сохранении CSV: {e}", exc_info=True)
return False
def validate_csv_data(data: List[Dict]) -> tuple[bool, List[str]]:
"""
[NEW] Валидирует данные перед сохранением в CSV.
Args:
data: Список словарей для валидации
Returns:
tuple: (is_valid, list_of_errors)
"""
errors = []
if not data:
errors.append("Данные отсутствуют")
return False, errors
if not isinstance(data, list):
errors.append(f"Данные должны быть списком, получено: {type(data)}")
return False, errors
required_fields = ['name', 'volume', 'price']
for i, item in enumerate(data):
if not isinstance(item, dict):
errors.append(f"Элемент {i} должен быть словарем")
continue
# Проверка обязательных полей
for field in required_fields:
if field not in item:
errors.append(f"Элемент {i} не содержит поле '{field}'")
# Проверка типов данных
if 'name' in item and (not isinstance(item['name'], str) or not item['name'].strip()):
errors.append(f"Элемент {i} имеет некорректное имя")
if 'price' in item and (not isinstance(item['price'], (int, float)) or item['price'] < 0):
errors.append(f"Элемент {i} имеет некорректную цену")
return len(errors) == 0, errors
# ANCHOR: RabbitMQ_Export_Functions
# Семантика: Функции для экспорта данных в RabbitMQ
def export_data_to_rabbitmq(products: List[Dict], run_id: str, request_id: str) -> bool:
"""
[CONTRACT]
@description: Экспортирует данные о продуктах в RabbitMQ.
@precondition: Список продуктов валиден, run_id не пустой.
@postcondition: Данные отправлены в очередь или False в случае ошибки.
Args:
products: Список продуктов для экспорта
run_id: Идентификатор запуска парсера
request_id: Идентификатор запроса для логирования
Returns:
bool: True если экспорт успешен, False в противном случае
"""
log_prefix = f"export_data_to_rabbitmq(id={request_id})"
try:
from core.rabbitmq import RabbitMQExporter
# [VALIDATION] Проверка входных данных
if not products:
logging.warning(f"{log_prefix} - [CONTRACT_VIOLATION] Список продуктов пуст")
return False
if not run_id:
logging.error(f"{log_prefix} - [CONTRACT_VIOLATION] run_id не может быть пустым")
return False
logging.info(f"{log_prefix} - Начало экспорта {len(products)} продуктов в RabbitMQ")
# [EXPORT] Создание экспортера и отправка данных
exporter = RabbitMQExporter()
try:
success = exporter.export_products(products, run_id)
if success:
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Данные успешно экспортированы в RabbitMQ")
else:
logging.error(f"{log_prefix} - [EXPORT_FAILED] Не удалось экспортировать данные в RabbitMQ")
return success
finally:
exporter.close()
except ImportError as e:
logging.error(f"{log_prefix} - [IMPORT_ERROR] Не удалось импортировать модуль RabbitMQ: {e}")
return False
except Exception as e:
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Непредвиденная ошибка при экспорте в RabbitMQ: {e}", exc_info=True)
return False
def export_logs_to_rabbitmq(log_records: List[Dict], run_id: str, request_id: str) -> bool:
"""
[CONTRACT]
@description: Экспортирует логи в RabbitMQ.
@precondition: Список логов валиден, run_id не пустой.
@postcondition: Логи отправлены в очередь или False в случае ошибки.
Args:
log_records: Список записей логов
run_id: Идентификатор запуска парсера
request_id: Идентификатор запроса для логирования
Returns:
bool: True если экспорт успешен, False в противном случае
"""
log_prefix = f"export_logs_to_rabbitmq(id={request_id})"
try:
from core.rabbitmq import RabbitMQExporter
# [VALIDATION] Проверка входных данных
if not log_records:
logging.warning(f"{log_prefix} - [CONTRACT_VIOLATION] Список логов пуст")
return False
if not run_id:
logging.error(f"{log_prefix} - [CONTRACT_VIOLATION] run_id не может быть пустым")
return False
logging.info(f"{log_prefix} - Начало экспорта {len(log_records)} логов в RabbitMQ")
# [EXPORT] Создание экспортера и отправка логов
exporter = RabbitMQExporter()
try:
success = exporter.export_logs(log_records, run_id)
if success:
logging.info(f"{log_prefix} - [COHERENCE_CHECK_PASSED] Логи успешно экспортированы в RabbitMQ")
else:
logging.error(f"{log_prefix} - [EXPORT_FAILED] Не удалось экспортировать логи в RabbitMQ")
return success
finally:
exporter.close()
except ImportError as e:
logging.error(f"{log_prefix} - [IMPORT_ERROR] Не удалось импортировать модуль RabbitMQ: {e}")
return False
except Exception as e:
logging.error(f"{log_prefix} - [COHERENCE_CHECK_FAILED] Непредвиденная ошибка при экспорте логов в RabbitMQ: {e}", exc_info=True)
return False
def validate_rabbitmq_connection() -> bool:
"""
[HELPER] Проверяет доступность подключения к RabbitMQ.
Returns:
bool: True если подключение доступно, False в противном случае
"""
try:
from core.rabbitmq import RabbitMQConnection
connection = RabbitMQConnection()
success = connection.connect()
connection.disconnect()
if success:
logging.info("[RABBITMQ] Подключение к RabbitMQ доступно")
else:
logging.warning("[RABBITMQ] Подключение к RabbitMQ недоступно")
return success
except ImportError:
logging.warning("[RABBITMQ] Модуль RabbitMQ не установлен")
return False
except Exception as e:
logging.error(f"[RABBITMQ] Ошибка проверки подключения: {e}")
return False
# [COHERENCE_CHECK_PASSED] Модуль экспортеров расширен поддержкой RabbitMQ с полной валидацией и обработкой ошибок.