Обновить README.md

.env.example

@@ -61,3 +61,4 @@ CELERY_TASK_SOFT_TIME_LIMIT=600
 CELERY_TASK_TIME_LIMIT=900
 CELERY_WORKER_CONCURRENCY=1
 CELERY_BEAT_SYNC_INTERVAL_MINUTES=60
+CELERY_BEAT_SYNC_LIMIT=26

README.md

@@ -1,17 +1,17 @@
 # IAAI Scraper
 
-Парсер аукционных автомобилей с [iaai.com](https://www.iaai.com). Ходит по листингу, собирает карточки машин, вытаскивает данные из DOM и перехваченных XHR-ответов, складывает всё в PostgreSQL. Работает через Playwright (headless Chromium), крутится в Docker.
+Небольшой сервис для сбора автомобилей с [iaai.com](https://www.iaai.com).
+Собирает ссылки из листинга, открывает карточки машин, достаёт данные из HTML и XHR, сохраняет всё в PostgreSQL.
 
+## Что важно по сайту
 
-## Как устроен сайт и его защита
+У IAAI стоит **Imperva Incapsula** — внешний anti-bot и WAF.
 
-IAAI не использует Cloudflare или Akamai, но у них своя защита:
+- headless Chromium без прокси часто режется
+- часть данных грузится через XHR, часть есть сразу в HTML
+- есть cookie banner
 
-- **Детект автоматизации** — проверяют `navigator.webdriver`, `chrome.runtime`, WebGL-рендерер, `hardwareConcurrency` и прочие browser fingerprint параметры. Если видят Playwright/Puppeteer — блокируют.
-- **Rate limiting** — после нескольких быстрых запросов подряд начинают отдавать пустые страницы или редиректить. Нет явного 429, просто перестают отдавать данные.
-- **Geo-блокировка** — часть контента доступна только с US/CA IP. С европейских адресов листинг может быть пустым.
-- **Динамическая подгрузка** — карточки машин подгружаются через XHR (`/Search`, `/VehicleDetail`), часть данных приходит в JSON, часть рендерится на сервере. Нельзя просто дёрнуть HTML  нужен полноценный браузер с JS.
-- **Cookie consent** — при первом заходе показывают баннер, без принятия кук часть функционала не работает.
+Поэтому в проекте используется Playwright, паузы между действиями и прокси.
 
 
 ## Запуск
@@ -28,7 +28,8 @@ Swagger-документация: `http://localhost:8000/docs`
 ## API
 
 **Здоровье и статистика:**
-- `GET /health` — статус сервиса и подключения к БД
+- `GET /health` -
+ статус сервиса и подключения к БД
 - `GET /api/v1/stats` — сколько машин/картинок в базе, топ брендов
 
 **Машины:**
@@ -43,7 +44,7 @@ Swagger-документация: `http://localhost:8000/docs`
 - `GET /api/v1/tasks` — все задачи
 - `GET /api/v1/sync-runs` — история запусков
 
-Пример — скрапнуть конкретную машину:
+Пример:
 ```bash
 curl -X POST http://localhost:8000/api/v1/tasks/sync-vehicle 
   -H "Content-Type: application/json" \
@@ -52,7 +53,7 @@ curl -X POST http://localhost:8000/api/v1/tasks/sync-vehicle
 
 ## CLI
 
-Для отладки без API/Celery:
+Для локального запуска без API и Celery:
 ```bash
 python main.py init-db
 python main.py collect-listing --make Toyota
@@ -64,51 +65,50 @@ python main.py sync-listing --limit 10
 
 ```
 iaai_scraper/
-  scraper.py              — оркестратор: связывает browser → parser → storage
-  cli.py                  — CLI-команды (init-db, sync-vehicle, sync-listing, ...)
-  proxy_bridge.py         — HTTP→SOCKS5 мост (Chromium не умеет SOCKS5 с авторизацией)
+  scraper.py              — основной код скрапера
+  cli.py                  — CLI-команды
+  proxy_bridge.py         — HTTP→SOCKS5 мост
 
   browser/
-    factory.py            — создание браузера, stealth-инъекции, fingerprint
-    listing.py            — сбор ссылок на машины с листинга, пагинация
-    network.py            — перехват XHR/fetch ответов через Playwright events
-    pace.py               — рандомные паузы и движение мыши
+    factory.py            — запуск браузера и контекста
+    listing.py            — сбор ссылок из листинга
+    network.py            — перехват XHR/fetch
+    pace.py               — паузы между действиями
 
   parsing/
-    parser.py             — VehicleParser: 3 канала (DOM + XHR JSON + embedded JSON)
-    mapper.py             — CarMapper: нормализация → CarRecord, content hash
+    parser.py             — разбор карточки машины
+    mapper.py             — нормализация данных
 
   storage/
-    models.py             — SQLAlchemy: Car (30+ полей), Image, SyncRun, ScrapeTask
-    schemas.py            — Pydantic: CarRecord, ImageRecord, CarRead
-    enums.py              — допустимые значения (drive, gearbox, body_type, ...)
-    db.py                 — PersistenceService: upsert (insert/update/skip), sync runs
+    models.py             — SQLAlchemy модели
+    schemas.py            — Pydantic схемы
+    enums.py              — справочники значений
+    db.py                 — работа с БД
 
   api/
-    app.py                — FastAPI factory, lifespan, роутеры
-    deps.py               — dependency injection (Settings, PersistenceService)
+    app.py                — FastAPI приложение
+    deps.py               — зависимости
     routes/
       health.py           — GET /health
-      cars.py             — CRUD по машинам + GET /stats
-      tasks.py            — управление Celery-задачами + sync-runs
+      cars.py             — машины и статистика
+      tasks.py            — задачи и история запусков
 
   worker/
-    celery_app.py         — конфиг Celery, beat-расписание
-    tasks.py              — sync_vehicle_task, sync_listing_task
+    celery_app.py         — конфиг Celery
+    tasks.py              — фоновые задачи
 
   core/
-    config.py             — Settings (dataclass), все env-переменные
-    logs.py               — логирование с trace_id (ContextVar)
-    retry.py              — декоратор @retryable с exponential backoff
-    utils.py              — VIN_RE, deep_find_key, вспомогательные функции
+    config.py             — настройки
+    logs.py               — логирование
+    retry.py              — retry-логика
+    utils.py              — утилиты
 
 alembic/                  — миграции БД
-tests/                    — 30 тестов (SQLite in-memory)
 ```
 
 ## Конфигурация
 
-Всё через env-переменные (полный список в `.env.example`):
+Основные переменные лежат в `.env.example`:
 
 **БД:** `IAAI_DATABASE_URL`, `IAAI_DATABASE_POOL_SIZE`
 **Redis:** `IAAI_REDIS_URL`
@@ -119,7 +119,7 @@ tests/                    — 30 тестов (SQLite in-memory)
 
 ## Миграции
 
-В Docker миграции накатываются автоматически при старте API-контейнера (`alembic upgrade head` в entrypoint).
+В Docker миграции запускаются автоматически при старте API-контейнера.
 
 Вручную:
 ```bash
@@ -133,4 +133,4 @@ alembic revision --autogenerate -m "add_column_x"
 pytest -q
 ```
 
-30 тестов, SQLite in-memory, без внешних зависимостей.
+Тесты идут на SQLite in-memory, без внешних сервисов.

iaai_scraper/api/app.py

@@ -1,5 +1,3 @@
-"""FastAPI app."""
-
 from contextlib import asynccontextmanager
 
 from fastapi import FastAPI
@@ -11,7 +9,6 @@ from .routes import cars, health, tasks
 
 @asynccontextmanager
 async def lifespan(app: FastAPI):
-    """Жизненный цикл."""
     persistence: PersistenceService = app.state.persistence
     persistence.create_tables()
     yield
@@ -37,5 +34,5 @@ def create_app(settings: Settings | None = None) -> FastAPI:
     return app
 
 
-# Для запуска через uvicorn.
+# uvicorn entrypoint
 app = create_app()

iaai_scraper/api/deps.py

@@ -1,5 +1,3 @@
-"""FastAPI deps."""
-
 from fastapi import Request
 
 from ..storage.db import PersistenceService

iaai_scraper/api/routes/cars.py

@@ -1,5 +1,3 @@
-"""Cars endpoints."""
-
 from fastapi import APIRouter, Depends, HTTPException, Query
 from sqlalchemy import func, select
 
@@ -21,7 +19,6 @@ def list_cars(
     is_sold: bool | None = None,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Список автомобилей с пагинацией и фильтрами."""
     with persistence.session_scope() as session:
         query = select(Car)
 
@@ -40,7 +37,7 @@ def list_cars(
         count_query = select(func.count()).select_from(query.subquery())
         total = session.execute(count_query).scalar() or 0
 
-        # Пагинация.
+        # пагинация
         offset = (page - 1) * per_page
         cars = session.execute(
             query.order_by(Car.last_seen_at.desc()).offset(offset).limit(per_page)
@@ -60,7 +57,6 @@ def get_car(
     car_id: int,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Детальная информация об автомобиле с изображениями."""
     with persistence.session_scope() as session:
         car = session.get(Car, car_id)
         if car is None:
@@ -73,7 +69,6 @@ def get_car_by_origin(
     origin_id: str,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Поиск автомобиля по origin_id."""
     with persistence.session_scope() as session:
         car = session.execute(
             select(Car).where(Car.origin_id == origin_id)
@@ -85,7 +80,6 @@ def get_car_by_origin(
 
 @router.get("/stats")
 def get_stats(persistence: PersistenceService = Depends(get_persistence)):
-    """Общая статистика по БД."""
     with persistence.session_scope() as session:
         total_cars = session.execute(select(func.count(Car.id))).scalar() or 0
         total_images = session.execute(select(func.count(Image.id))).scalar() or 0
@@ -104,7 +98,6 @@ def get_stats(persistence: PersistenceService = Depends(get_persistence)):
 
 
 def _car_to_dict(car: Car, include_images: bool = False) -> dict:
-    """Сериализация Car в dict."""
     result = {
         "id": car.id,
         "parser_id": car.parser_id,

iaai_scraper/api/routes/health.py

@@ -1,5 +1,3 @@
-"""Health endpoint."""
-
 from fastapi import APIRouter, Depends
 from sqlalchemy import text
 
@@ -11,7 +9,6 @@ router = APIRouter()
 
 @router.get("/health")
 def health_check(persistence: PersistenceService = Depends(get_persistence)):
-    """Проверка API и БД."""
     db_ok = False
     try:
         with persistence.session_scope() as session:

iaai_scraper/api/routes/tasks.py

@@ -1,5 +1,3 @@
-"""Task endpoints."""
-
 from datetime import datetime, timezone
 
 from fastapi import APIRouter, Depends, HTTPException, Query
@@ -14,7 +12,7 @@ from ...worker.tasks import sync_vehicle_task, sync_listing_task
 router = APIRouter()
 
 
-# --- Схемы.
+# --- схемы
 
 class SyncVehicleRequest(BaseModel):
     vehicle_url: str
@@ -29,17 +27,20 @@ class SyncListingRequest(BaseModel):
     only_new: bool | None = None
 
 
-# --- Эндпоинты.
+# --- эндпоинты
 
 @router.post("/tasks/sync-vehicle")
 def start_sync_vehicle(
     body: SyncVehicleRequest,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Запустить задачу скрапинга одного автомобиля через Celery."""
-    result = sync_vehicle_task.delay(body.vehicle_url, lane=body.lane)
+    result = sync_vehicle_task.apply_async(
+        args=(body.vehicle_url,),
+        kwargs={"lane": body.lane},
+        queue="scraping",
+    )
 
-    # Регистрируем задачу в БД.
+    # регистрируем в бд
     persistence.create_scrape_task(
         celery_task_id=result.id,
         task_type="sync_vehicle",
@@ -58,13 +59,15 @@ def start_sync_listing(
     body: SyncListingRequest,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Запустить задачу полного цикла листинга через Celery."""
-    result = sync_listing_task.delay(
-        make=body.make,
-        model=body.model,
-        lane=body.lane,
-        limit=body.limit,
-        only_new=body.only_new,
+    result = sync_listing_task.apply_async(
+        kwargs={
+            "make": body.make,
+            "model": body.model,
+            "lane": body.lane,
+            "limit": body.limit,
+            "only_new": body.only_new,
+        },
+        queue="scraping",
     )
 
     persistence.create_scrape_task(
@@ -83,7 +86,6 @@ def get_task_status(
     task_id: str,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Статус Celery-задачи."""
     task_info = persistence.get_scrape_task(task_id)
     if task_info is None:
         raise HTTPException(status_code=404, detail="Task not found")
@@ -98,7 +100,6 @@ def list_tasks(
     task_type: str | None = None,
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """Список задач с пагинацией."""
     with persistence.session_scope() as session:
         query = select(ScrapeTask)
         if status:
@@ -143,7 +144,6 @@ def list_sync_runs(
     per_page: int = Query(20, ge=1, le=100),
     persistence: PersistenceService = Depends(get_persistence),
 ):
-    """История запусков синхронизации."""
     with persistence.session_scope() as session:
         total = session.execute(select(func.count(SyncRun.id))).scalar() or 0
 

iaai_scraper/browser/listing.py

@@ -16,7 +16,7 @@ VEHICLE_HREF_RE = re.compile(r"/VehicleDetail/\d+(?:~[A-Z]{2})?", re.IGNORECASE)
 
 @dataclass(slots=True)
 class ListingVehicleLink:
-	# Ссылка на карточку.
+	# Ссылка на карточку
 	href: str
 	title: str = ""
 	lot_number: str | None = None
@@ -24,7 +24,7 @@ class ListingVehicleLink:
 
 @dataclass(slots=True)
 class ListingPageResult:
-	# Результат страницы листинга.
+	# Результат страницы листинга
 	source_url: str
 	page_number: int
 	vehicle_links: list[ListingVehicleLink] = field(default_factory=list)
@@ -34,12 +34,12 @@ class ListingPageResult:
 
 class ListingCollector:
 	def __init__(self, settings: Settings, pacer: HumanPacer) -> None:
-		# Сборщик ссылок листинга.
+		# Сборщик ссылок листинга
 		self.settings = settings
 		self.pacer = pacer
 
 	def open_cars_listing(self, page: Page) -> None:
-		# Открываем листинг и ждем ссылки.
+		# Открываем листинг и ждём ссылки
 		logger.info("Opening cars listing page: %s", self.settings.listing.cars_url)
 		page.goto(self.settings.listing.cars_url, wait_until="domcontentloaded")
 		try:
@@ -53,7 +53,7 @@ class ListingCollector:
 		self.pacer.after_listing_open()
 
 	def apply_filters(self, page: Page, make: str | None = None, model: str | None = None) -> dict[str, str | None]:
-		# Пробуем make/model фильтры.
+		# Пробуем make/model фильтры
 		applied = {"make": None, "model": None}
 		if make and self._try_fill_filter_input(page, ["input[placeholder*='Make']", "input[aria-label*='Make']"], make):
 			applied["make"] = make
@@ -64,7 +64,7 @@ class ListingCollector:
 		return applied
 
 	def collect_current_page(self, page: Page, page_number: int = 1) -> ListingPageResult:
-		# Собираем ссылки текущей страницы.
+		# Собираем ссылки текущей страницы
 		anchors = page.locator("a[href*='/VehicleDetail/']")
 		total = min(anchors.count(), self.settings.listing.page_link_limit)
 		links: list[ListingVehicleLink] = []
@@ -87,7 +87,7 @@ class ListingCollector:
 		return ListingPageResult(source_url=page.url, page_number=page_number, vehicle_links=links, pagination_available=next_page_detected, next_page_detected=next_page_detected)
 
 	def go_to_next_page(self, page: Page) -> bool:
-		# Переход на следующую страницу.
+		# Переход на следующую страницу
 		selectors = ["a[aria-label*='Next']", "button[aria-label*='Next']", "a.pagination-next", "button.pagination-next", "a:has-text('Next')", "button:has-text('Next')"]
 		for selector in selectors:
 			locator = page.locator(selector).first
@@ -109,7 +109,7 @@ class ListingCollector:
 		return False
 
 	def collect_listing_links(self, page: Page, *, make: str | None = None, model: str | None = None) -> dict[str, Any]:
-		# Последовательный сбор с лимитами.
+		# Последовательный сбор с лимитами
 		self.open_cars_listing(page)
 		applied_filters = self.apply_filters(page, make=make, model=model)
 		pages: list[dict[str, object]] = []
@@ -130,7 +130,7 @@ class ListingCollector:
 
 	@staticmethod
 	def _try_fill_filter_input(page: Page, selectors: list[str], value: str) -> bool:
-		# Несколько селекторов для фильтра.
+		# Несколько селекторов для фильтра
 		for selector in selectors:
 			locator = page.locator(selector).first
 			if locator.count() == 0:
@@ -150,7 +150,7 @@ class ListingCollector:
 
 	@staticmethod
 	def _has_next_page(page: Page) -> bool:
-		# Проверка кнопки next.
+		# Проверка кнопки next
 		for selector in ["a[aria-label*='Next']", "button[aria-label*='Next']", "a.pagination-next", "button.pagination-next", "a:has-text('Next')", "button:has-text('Next')"]:
 			if page.locator(selector).count() > 0:
 				return True

iaai_scraper/browser/network.py

@@ -23,7 +23,7 @@ class NetworkCapture:
     _origin: str | None = None
 
     def attach(self, page: Page, origin_url: str | None = None) -> None:
-        # Подписка на сетевые события.
+        # Подписка на сетевые события
         try:
             self._origin = urlparse(origin_url or page.url).netloc.lower() or None
         except Exception:
@@ -32,14 +32,14 @@ class NetworkCapture:
         page.on("response", self._on_response)
 
     def _is_same_origin(self, url: str) -> bool:
-        # Фильтр по домену.
+        # Фильтр по домену
         if not self.settings.capture.capture_same_origin_only or not self._origin:
             return True
         netloc = urlparse(url).netloc.lower()
         return netloc == self._origin or netloc.endswith(".iaai.com")
 
     def _on_request(self, request: Request) -> None:
-        # Берем только xhr/fetch.
+        # Берём только xhr/fetch
         if request.resource_type not in {"xhr", "fetch"}:
             return
         if not self._is_same_origin(request.url):
@@ -47,7 +47,7 @@ class NetworkCapture:
         if len(self.requests) >= self.settings.capture.max_requests:
             return
         key = f"{request.method}:{request.url}:{request.post_data or ''}"
-        # Убираем дубли.
+        # Убираем дубли
         if key in self._seen_req:
             return
         self._seen_req.add(key)
@@ -57,7 +57,7 @@ class NetworkCapture:
         })
 
     def _on_response(self, response: Response) -> None:
-        # Сохраняем JSON.
+        # Сохраняем JSON
         request = response.request
         if request.resource_type not in {"xhr", "fetch"}:
             return
@@ -95,7 +95,7 @@ class NetworkCapture:
 
     @staticmethod
     def _categorize(url: str) -> str:
-        # Простая категория URL.
+        # Простая категория URL
         low = url.lower()
         mapping = {
             "images": ["image", "media", "photos", "gallery"],

iaai_scraper/core/config.py

@@ -8,7 +8,6 @@ load_dotenv()
 
 @dataclass(slots=True)
 class FingerprintConfig:
-    # Браузерный отпечаток.
     user_agent: str = (
         "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
         "AppleWebKit/537.36 (KHTML, like Gecko) "
@@ -32,7 +31,6 @@ class FingerprintConfig:
 
 @dataclass(slots=True)
 class CaptureConfig:
-    # Параметры capture.
     capture_same_origin_only: bool = os.getenv("IAAI_CAPTURE_SAME_ORIGIN_ONLY", "true").strip().lower() in {"1", "true", "yes", "on"}
     max_requests: int = int(os.getenv("IAAI_MAX_CAPTURED_REQUESTS", "40"))
     max_json_responses: int = int(os.getenv("IAAI_MAX_CAPTURED_JSON_RESPONSES", "30"))
@@ -40,7 +38,6 @@ class CaptureConfig:
 
 @dataclass(slots=True)
 class HumanPaceConfig:
-    # Паузы между действиями.
     enabled: bool = os.getenv("IAAI_HUMAN_PACE_ENABLED", "true").strip().lower() in {"1", "true", "yes", "on"}
     after_listing_open_min_s: float = float(os.getenv("IAAI_AFTER_LISTING_OPEN_MIN_S", "2.5"))
     after_listing_open_max_s: float = float(os.getenv("IAAI_AFTER_LISTING_OPEN_MAX_S", "4.5"))
@@ -58,7 +55,6 @@ class HumanPaceConfig:
 
 @dataclass(slots=True)
 class ListingConfig:
-    # Лимиты листинга.
     cars_url: str = os.getenv("IAAI_CARS_LISTING_URL", "https://www.iaai.com/Vehiclelisting/Cars")
     max_pages_per_run: int = int(os.getenv("IAAI_MAX_PAGES_PER_RUN", "5"))
     max_vehicles_per_run: int = int(os.getenv("IAAI_MAX_VEHICLES_PER_RUN", "100"))
@@ -69,7 +65,6 @@ class ListingConfig:
 
 @dataclass(slots=True)
 class DatabaseConfig:
-    # Подключение к БД.
     url: str = os.getenv("IAAI_DATABASE_URL", "postgresql+psycopg2://iaai:iaai@localhost:5432/iaai_scraper")
     echo: bool = os.getenv("IAAI_DATABASE_ECHO", "false").strip().lower() in {"1", "true", "yes", "on"}
     pool_size: int = int(os.getenv("IAAI_DATABASE_POOL_SIZE", "5"))
@@ -78,24 +73,22 @@ class DatabaseConfig:
 
 @dataclass(slots=True)
 class RedisConfig:
-    # Подключение к Redis.
     url: str = os.getenv("IAAI_REDIS_URL", "redis://localhost:6379/0")
 
 
 @dataclass(slots=True)
 class CeleryConfig:
-    # Настройки Celery.
     broker_url: str = os.getenv("CELERY_BROKER_URL", "") or ""
     result_backend: str = os.getenv("CELERY_RESULT_BACKEND", "") or ""
     task_soft_time_limit: int = int(os.getenv("CELERY_TASK_SOFT_TIME_LIMIT", "600"))
     task_time_limit: int = int(os.getenv("CELERY_TASK_TIME_LIMIT", "900"))
     worker_concurrency: int = int(os.getenv("CELERY_WORKER_CONCURRENCY", "1"))
     beat_sync_interval_minutes: int = int(os.getenv("CELERY_BEAT_SYNC_INTERVAL_MINUTES", "60"))
+    beat_sync_limit: int = int(os.getenv("CELERY_BEAT_SYNC_LIMIT", "26"))
 
 
 @dataclass(slots=True)
 class ProxyConfig:
-    # Настройки прокси.
     server: str | None = (os.getenv("IAAI_PROXY_SERVER") or "").strip() or None
     username: str | None = (os.getenv("IAAI_PROXY_USERNAME") or "").strip() or None
     password: str | None = (os.getenv("IAAI_PROXY_PASSWORD") or "").strip() or None
@@ -105,7 +98,6 @@ class ProxyConfig:
         return bool(self.server)
 
     def to_playwright_dict(self) -> dict[str, str] | None:
-        # Формат для Playwright.
         if not self.server:
             return None
         result: dict[str, str] = {"server": self.server}
@@ -118,7 +110,6 @@ class ProxyConfig:
 
 @dataclass(slots=True)
 class Settings:
-    # Общие настройки.
     home_url: str = "https://www.iaai.com/"
     default_timeout_ms: int = int(os.getenv("IAAI_TIMEOUT_MS", "45000"))
     network_settle_ms: int = int(os.getenv("IAAI_NETWORK_SETTLE_MS", "800"))
@@ -143,5 +134,4 @@ class Settings:
     proxy: ProxyConfig = field(default_factory=ProxyConfig)
 
 
-# Настройки по умолчанию.
 settings = Settings()

iaai_scraper/core/utils.py

@@ -6,16 +6,19 @@ from pathlib import Path
 from typing import Any, Iterable
 
 
+# Файловые утилиты
 def save_to_json(data: Any, filename: str | Path) -> None:
     path = Path(filename)
     path.parent.mkdir(parents=True, exist_ok=True)
     path.write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
 
 
+# Небольшая случайная пауза между запросами
 def short_sleep(a: float = 0.10, b: float = 0.35) -> None:
     time.sleep(random.uniform(a, b))
 
 
+# Маскирование персональных данных
 def mask_email(email: str) -> str:
     if "@" not in email:
         return "***"
@@ -24,6 +27,7 @@ def mask_email(email: str) -> str:
     return f"{safe_local}@{domain}"
 
 
+# Возвращает первое непустое значение
 def first_non_empty(values: Iterable[Any]) -> Any | None:
     for value in values:
         if value not in (None, "", [], {}, ()):
@@ -31,12 +35,13 @@ def first_non_empty(values: Iterable[Any]) -> Any | None:
     return None
 
 
-# Regex для VIN, lot, price.
+# Регулярные выражения для VIN, lot и price
 VIN_RE = re.compile(r"\b([A-HJ-NPR-Z0-9]{17})\b", re.IGNORECASE)
 LOT_RE = re.compile(r"\b(\d{7,10})\b")
 PRICE_RE = re.compile(r"\$\s?([\d,]+(?:\.\d{1,2})?)")
 
 
+# Глубокий рекурсивный поиск значений по ключам
 def deep_find_key(obj, target_keys: set[str], max_depth: int = 64, _depth: int = 0) -> list:
     found = []
     if _depth >= max_depth:

iaai_scraper/scraper.py

@@ -33,7 +33,7 @@ class IAAIScraper:
         return match.group(1)
 
     def __init__(self, runtime_settings: Settings | None = None) -> None:
-        # Базовые зависимости и сервисы скрапера.
+        # Базовые зависимости и сервисы скрапера
         self.settings = runtime_settings or settings
         setup_logging(self.settings.log_level, self.settings.log_file)
         self.trace_id = uuid.uuid4().hex[:12]
@@ -49,10 +49,10 @@ class IAAIScraper:
         self.persistence = PersistenceService(self.settings)
         self._shutdown_requested = False
 
-    # browser lifecycle
+    # Жизненный цикл браузера
 
     def _new_trace_id(self, prefix: str) -> str:
-        # Новый trace id для отдельной операции.
+        # Новый trace id для отдельной операции
         trace_id = f"{prefix}-{uuid.uuid4().hex[:8]}"
         self.trace_id = trace_id
         set_trace_id(trace_id)
@@ -69,7 +69,7 @@ class IAAIScraper:
         self.close()
 
     def close(self) -> None:
-        # Закрываем ресурсы аккуратно, даже если Playwright уже в ошибке.
+        # Закрываем ресурсы аккуратно даже при ошибках Playwright
         if self.context is not None:
             try:
                 self.context.close()
@@ -93,7 +93,7 @@ class IAAIScraper:
                 self.playwright = None
 
     def _new_context(self, storage_state: str | None = None) -> BrowserContext:
-        # Контекст пересоздаётся, чтобы не тянуть старое состояние страницы.
+        # Контекст пересоздаётся, чтобы не тянуть старое состояние страницы
         if self.browser is None:
             self.__enter__()
         if self.context:
@@ -109,10 +109,10 @@ class IAAIScraper:
         context = self._new_context()
         return context.new_page()
 
-    # listing
+    # Сбор листинга
 
     def collect_listing(self, make: str | None = None, model: str | None = None):
-        # Собираем ссылки карточек с публичного листинга.
+        # Собираем ссылки карточек с публичного листинга
         page = self._get_unauthenticated_page()
 
         try:
@@ -130,11 +130,11 @@ class IAAIScraper:
             self._new_context()
         return self.context.new_page()
 
-    # scrape
+    # Открытие и скрейп карточки
 
     @retryable(max_attempts=3, jitter_seconds=0.25)
     def open_vehicle_page(self, vehicle_url: str):
-        # Лёгкое открытие страницы без сетевого дампа и сохранения в БД.
+        # Лёгкое открытие страницы без сетевого дампа и сохранения в БД
         trace_id = self._new_trace_id("open")
         started_at = time.perf_counter()
         page = self._get_page()
@@ -174,7 +174,7 @@ class IAAIScraper:
             page.close()
 
     def _scrape_on_page(self, page: Page, vehicle_url: str):
-        # Полный проход по карточке с network capture и маппингом в DB-модель.
+        # Полный проход по карточке с network capture и маппингом в DB-модель
         trace_id = self._new_trace_id("scrape")
         started_at = time.perf_counter()
         capture = NetworkCapture(self.settings)
@@ -215,11 +215,11 @@ class IAAIScraper:
             save_to_json(network_dump, self.settings.raw_output_json)
         return result
 
-    # db sync
+    # Синхронизация с БД
 
     def sync_vehicle(self, vehicle_url: str, lane: str = "iaai"):
         """Scrape + upsert одного авто."""
-        # Один URL -> один scrape -> один upsert.
+        # Один URL -> один scrape -> один upsert
         trace_id = self._new_trace_id("sync-vehicle")
         started_at = time.perf_counter()
         self.persistence.create_tables()
@@ -275,7 +275,7 @@ class IAAIScraper:
         only_new: bool | None = None,
     ):
         """Листинг + sync всех найденных машин."""
-        # Массовая синхронизация с общим run_id и сбором ошибок.
+        # Массовая синхронизация с общим run_id и сбором ошибок
         trace_id = self._new_trace_id("sync-listing")
         started_at = time.perf_counter()
         self.persistence.create_tables()
@@ -351,7 +351,7 @@ class IAAIScraper:
                 if index < total:
                     self.pacer.between_vehicles()
         except Exception as exc:
-            # collect_listing itself failed — count as total failure
+            # Если падает collect_listing, считаем это общей ошибкой запуска
             if not failures:
                 failures.append({"vehicle_url": "collect_listing", "error": str(exc)})
             logger.error("sync_listing failed: %s", exc)
@@ -385,11 +385,11 @@ class IAAIScraper:
             "failures": failures,
         }
 
-    # scheduler
+    # Встроенный планировщик
 
     def run_scheduled(self) -> None:
-        # Простой бесконечный цикл без внешнего планировщика.
-        # Graceful shutdown по SIGINT/SIGTERM.
+        # Простой бесконечный цикл без внешнего планировщика
+        # Graceful shutdown по SIGINT/SIGTERM
         def _handle_shutdown(signum, frame):
             logger.info("Received signal %s, shutting down gracefully...", signum)
             self._shutdown_requested = True
@@ -408,7 +408,7 @@ class IAAIScraper:
             logger.info("=== Scheduler cycle #%d starting ===", cycle)
             start = time.time()
             try:
-                # Сбрасываем контекст перед каждым циклом.
+                # Сбрасываем контекст перед каждым циклом
                 if self.context:
                     try:
                         self.context.close()
@@ -416,7 +416,7 @@ class IAAIScraper:
                         pass
                     self.context = None
 
-                # Проверяем, что browser/playwright живы; пересоздаём при необходимости.
+                # Проверяем, что browser/playwright живы, и пересоздаём при необходимости
                 if self.browser is None or self.playwright is None:
                     logger.info("Browser/Playwright not available, re-initializing...")
                     self.close()
@@ -433,12 +433,12 @@ class IAAIScraper:
             except Exception as exc:
                 elapsed = time.time() - start
                 logger.error("Cycle #%d failed after %.1fs: %s", cycle, elapsed, exc)
-                # Полный сброс при любой ошибке цикла — следующий цикл пересоздаст всё.
+                # Полный сброс при любой ошибке цикла, следующий цикл пересоздаст всё
                 try:
                     self.close()
                 except Exception:
                     pass
-                # Пересоздаём browser для следующего цикла.
+                # Пересоздаём browser для следующего цикла
                 try:
                     self.__enter__()
                 except Exception as reinit_exc:
@@ -450,7 +450,7 @@ class IAAIScraper:
             sleep_time = max(0, interval - (time.time() - start))
             if sleep_time > 0:
                 logger.info("Sleeping %.0f seconds until next cycle...", sleep_time)
-                # Прерываемый sleep — проверяем shutdown каждые 5 секунд.
+                # Прерываемый sleep, проверяем shutdown каждые 5 секунд
                 slept = 0.0
                 while slept < sleep_time and not self._shutdown_requested:
                     chunk = min(5.0, sleep_time - slept)

iaai_scraper/worker/celery_app.py

@@ -1,5 +1,3 @@
-"""Celery app factory."""
-
 from celery import Celery
 
 from ..core.config import settings
@@ -20,40 +18,34 @@ celery_app = Celery(
 )
 
 celery_app.conf.update(
-    # Сериализация.
     task_serializer="json",
     accept_content=["json"],
     result_serializer="json",
     timezone="UTC",
     enable_utc=True,
 
-    # Лимиты.
     task_soft_time_limit=settings.celery.task_soft_time_limit,
     task_time_limit=settings.celery.task_time_limit,
     worker_concurrency=settings.celery.worker_concurrency,
 
-    # Playwright sync API: prefork + 1 процесс.
+    # prefork + 1 процесс, тк playwright sync api
     worker_pool="prefork",
     worker_prefetch_multiplier=1,
 
-    # Retry policy брокера.
     broker_connection_retry_on_startup=True,
 
-    # Beat schedule.
     beat_schedule={
         "periodic-sync-listing": {
             "task": "iaai_scraper.worker.tasks.sync_listing_task",
             "schedule": settings.celery.beat_sync_interval_minutes * 60.0,
-            "args": (),
+            "kwargs": {"limit": settings.celery.beat_sync_limit},
             "options": {"queue": "scraping"},
         },
     },
 
-    # Роутинг задач.
     task_routes={
         "iaai_scraper.worker.tasks.*": {"queue": "scraping"},
     },
 )
 
-# Автообнаружение задач.
 celery_app.autodiscover_tasks(["iaai_scraper.worker"])

iaai_scraper/worker/tasks.py

@@ -1,5 +1,3 @@
-"""Celery tasks для IAAI."""
-
 import json
 import logging
 from datetime import datetime, timezone
@@ -25,12 +23,11 @@ def _get_persistence() -> PersistenceService:
     acks_late=True,
 )
 def sync_vehicle_task(self, vehicle_url: str, lane: str = "iaai"):
-    """Скрапинг и upsert одного автомобиля."""
     task_id = self.request.id
     persistence = _get_persistence()
     persistence.create_tables()
 
-    # Регистрируем запуск.
+    # регистрируем запуск
     persistence.update_scrape_task(
         task_id,
         status="running",
@@ -86,7 +83,6 @@ def sync_listing_task(
     limit: int | None = None,
     only_new: bool | None = None,
 ):
-    """Полный цикл: листинг + sync всех найденных машин."""
     task_id = self.request.id
     persistence = _get_persistence()
     persistence.create_tables()