Prepare mobile de parser release

2026-04-27 21:10:17 +03:00
parent 31f87a9bdf
commit b86bcd04b8
21 changed files with 2835 additions and 423 deletions
--- a/README.md
+++ b/README.md
@@ -1,336 +1,3 @@
-# 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, FastAPI, Celery и Docker.
-
-## Как устроен сайт и его защита
-
-У IAAI стоит **Imperva Incapsula** — внешний WAF и anti-bot.
-
- **Anti-bot** — headless Chromium без прокси часто режется.
- **Динамическая подгрузка** — часть данных приходит через XHR (`/Search`, `/VehicleDetail`), часть остаётся в HTML.
- **Cookie consent** — при первом заходе показывают баннер.
-
-Поэтому в проекте используются Playwright, паузы между действиями, прокси и сохранение браузерного состояния.
-
-## Локальный запуск (без Docker)
-
-### Требования
-
- **Python 3.11+**
- **Git**
-
-Docker **не нужен**. Данные хранятся в SQLite-файле `iaai_scraper.db` в корне проекта.
-
-### Быстрый старт
-
-```bash
-git clone <repo-url>
-cd iaai_scraper_project
-pip install -e .
-playwright install firefox
-iaai init-db
-```
-
-`iaai init-db` актуален для SQLite/локального CLI-режима. Для PostgreSQL используйте Alembic-миграции (`alembic upgrade head` или сервис `migrate` в Docker).
-
-Готовый `.env` уже в репозитории и настроен на SQLite  ничего менять не нужно.
-
-### Запуск парсера
-
-**Скрапинг одной машины:**
-
-```bash
-iaai sync-vehicle "https://www.iaai.com/VehicleDetail/45089484~US"
-```
-
-**Сбор листинга + скрапинг (например Toyota, 10 штук):**
-
-```bash
-iaai sync-listing --make Toyota --limit 10
-```
-
-**Только ссылки с листинга (без скрапинга):**
-
-```bash
-iaai collect-listing --make Toyota
-```
-
-**С видимым браузером (для отладки):**
-
-```bash
-iaai --headless false sync-vehicle "https://www.iaai.com/VehicleDetail/45089484~US"
-```
-
-**Проверка, что записалось в базу (`iaai_scraper.db`):**
-
-```bash
-python -c "import sqlite3; c=sqlite3.connect('iaai_scraper.db'); q=c.cursor(); print('cars:', q.execute('select count(*) from cars').fetchone()[0]); print('images:', q.execute('select count(*) from images').fetchone()[0]); rows=q.execute('select id, brand, model, year, origin_id from cars order by id desc limit 10').fetchall(); [print(r) for r in rows]"
-```
-
-Результаты сохраняются в `artifacts/json/` и в БД `iaai_scraper.db`.
-
-### Полный стек (API + Worker + Beat)
-
-Для API и автоматического сбора нужны **Redis** и **PostgreSQL**. В `.env` раскомментируй строки Redis/Celery и замени БД на PostgreSQL:
-
-```env
-IAAI_DATABASE_URL=postgresql+psycopg2://iaai:iaai@localhost:5432/iaai_scraper
-IAAI_REDIS_URL=redis://localhost:6379/0
-CELERY_BROKER_URL=redis://localhost:6379/0
-CELERY_RESULT_BACKEND=redis://localhost:6379/0
-```
-
-Применить миграции и запустить в трёх терминалах:
-
-```bash
-alembic upgrade head
-
-# Терминал 1 — API
-uvicorn iaai_scraper.api.app:app --reload --port 8000
-
-# Терминал 2 — Celery Worker
-celery -A iaai_scraper.worker.celery_app worker --loglevel=info --concurrency=1 --pool=solo -Q scraping
-
-# Терминал 3 — Celery Beat (периодический запуск)
-celery -A iaai_scraper.worker.celery_app beat --loglevel=info
-```
-
-API: `http://localhost:8000` · Swagger: `http://localhost:8000/docs`
-
---
-
-## Запуск через Docker (все сервисы в контейнерах)
-
-```bash
-cp .env.example .env
-docker compose up -d
-```
-
-Будут запущены сервисы `postgres`, `redis`, `migrate`, `api`, `worker`, `beat`. API доступен на `http://localhost:8000`.
-
-В Docker-образ дополнительно проверяется Python-синтаксис на этапе сборки (`python -m compileall -q iaai_scraper`), чтобы не выкатывать битый код.
-
-`entrypoint.sh` поднимает SOCKS5→HTTP proxy bridge (если задан `SOCKS5_PROXY_HOST`) и запускает `Xvfb` только для `worker` и CLI scraping-команд.
-
-По умолчанию `beat` запускает сбор листинга **раз в 1 час** (`CELERY_BEAT_SYNC_INTERVAL_MINUTES=60`).
-
-Swagger-документация: `http://localhost:8000/docs`
-
-```bash
-docker compose ps
-```
-
- `api` имеет healthcheck на `GET /health`
- `worker` имеет healthcheck через `celery inspect ping`
- `beat` имеет healthcheck по файлу `celerybeat-schedule`
-
-
-## API
-
-**Статистика:**
- `GET /health` — статус сервиса и подключения к БД
- `GET /api/v1/stats` — сколько машин и картинок в базе, топ брендов
-
-**Машины:**
- `GET /api/v1/cars` — список с пагинацией
- `GET /api/v1/cars/{id}` — карточка с картинками
- `GET /api/v1/cars/by-origin/{origin_id}` — поиск по IAAI stock number
-
-**Задачи:**
- `POST /api/v1/tasks/sync-vehicle` — скрапнуть одну машину по URL
- `POST /api/v1/tasks/sync-listing` — запустить полный обход листинга
- `GET /api/v1/sync-runs` — история запусков
-
-Скрапим конкретную машину:
-
-```bash
-curl -X POST http://localhost:8000/api/v1/tasks/sync-vehicle \
-  -H "Content-Type: application/json" \
-  -d '{"vehicle_url": "https://www.iaai.com/VehicleDetail/45089484~US"}'
-```
-
-## CLI
-
-Для отладки без API и Celery:
-
-```bash
-iaai init-db
-iaai collect-listing --make Toyota
-iaai sync-vehicle "https://www.iaai.com/VehicleDetail/45089484~US"
-iaai sync-listing --limit 10
-```
-
-`iaai init-db` используйте для SQLite/локальных тестов. В PostgreSQL-сценарии применяйте миграции Alembic.
-
-## Структура
-
-```text
-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)
-
-  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
-
-  parsing/
-    parser.py             — VehicleParser: DOM + XHR JSON + embedded JSON
-    mapper.py             — CarMapper: нормализация → CarRecord
-
-  storage/
-    models.py             — SQLAlchemy: Car, Image, SyncRun
-    schemas.py            — Pydantic: CarRecord, ImageRecord, CarRead
-    enums.py              — допустимые значения (drive, gearbox, body_type, ...)
-    db.py                 — PersistenceService: upsert, sync runs, статистика
-
-  api/
-    app.py                — FastAPI factory, lifespan, роутеры
-    deps.py               — dependency injection (Settings, PersistenceService)
-    routes/
-      health.py           — GET /health
-      cars.py             — CRUD по машинам + GET /stats
-      tasks.py            — запуск Celery-задач и история sync-runs
-
-  worker/
-    celery_app.py         — конфиг Celery, beat-расписание
-    tasks.py              — sync_vehicle_task, sync_listing_task
-
-  core/
-    config.py             — Settings (dataclass), env-переменные
-    logs.py               — логирование с trace_id (ContextVar)
-    retry.py              — декоратор @retryable с exponential backoff
-    runtime_config.py     — чтение и нормализация runtime-конфига
-    utils.py              — VIN_RE, deep_find_key, вспомогательные функции
-
-alembic/                  — миграции БД
-tests/                    — тесты
-```
-
-## Конфигурация
-
-Всё через env-переменные (полный список в `.env.example`):
-
- **БД:** `IAAI_DATABASE_URL`, `IAAI_DATABASE_POOL_SIZE`
- **Redis:** `IAAI_REDIS_URL`
- **Celery:** `CELERY_BROKER_URL`, `CELERY_BEAT_SYNC_INTERVAL_MINUTES`
- **Скрапер:** `IAAI_HEADLESS`, `IAAI_SYNC_ONLY_NEW`, `IAAI_MAX_PAGES_PER_RUN`
- **Прокси:** `IAAI_PROXY_SERVER`, `IAAI_PROXY_USERNAME`, `IAAI_PROXY_PASSWORD`
- **Паузы:** `IAAI_BETWEEN_VEHICLES_MIN_S`, `IAAI_AFTER_PAGE_CHANGE_MAX_S` и т.д.
-
-## Миграции
-
-В Docker миграции выполняются отдельным сервисом `migrate` (`alembic upgrade head`).
-
-`api`, `worker`, `beat` стартуют после успешного завершения `migrate`.
-
-Вручную:
-
-```bash
-alembic upgrade head
-alembic revision --autogenerate -m "add_column_x"
-```
-
-## Тесты
-
-```bash
-pytest -q
-```
-
-Тесты работают на SQLite in-memory, без внешних зависимостей.
-
-## `pyproject.toml` + `uv.lock`
-
-Локально можно использовать:
-
-```bash
-uv sync
-uv run pytest -q
-```
-
-### Секция `sync`
-
-Поддерживаются поля:
-
- `name`
- `ids_initial_size`
- `ids_next_size`
- `ids_max_pages`
- `condition_check_enabled`
- `lane`
- `only_new`
- `limit`
-
-### Секция `filters`
-
-Поддерживаются поля:
-
- `brands`
- `models`
- `years`
- `body_types`
- `colors`
- `drives`
- `gearboxes`
- `locations`
- `exclude_brands`
- `exclude_models`
- `exclude_years`
- `exclude_body_types`
- `exclude_colors`
- `exclude_drives`
- `exclude_gearboxes`
- `exclude_locations`
- `price.min`, `price.max`
- `mileage.min`, `mileage.max`
- `flags.damaged_only`, `flags.run_and_drive`
-
-Пример:
-
-```json
-{
-  "sync": {
-    "name": null,
-    "ids_initial_size": null,
-    "ids_next_size": null,
-    "ids_max_pages": null,
-    "condition_check_enabled": false,
-    "lane": "iaai_cars",
-    "only_new": true,
-    "limit": 50
-  },
-  "filters": {
-    "price": {
-      "min": null,
-      "max": null
-    },
-    "mileage": {
-      "min": null,
-      "max": null
-    },
-    "flags": {
-      "damaged_only": null,
-      "run_and_drive": null
-    },
-    "brands": ["Toyota", "Honda"],
-    "models": [],
-    "years": [2021, 2022],
-    "body_types": ["SUV"],
-    "colors": [],
-    "drives": [],
-    "gearboxes": [],
-    "locations": [],
-    "exclude_brands": [],
-    "exclude_models": [],
-    "exclude_years": [],
-    "exclude_body_types": []
-  }
-}
-```
-
-Путь задаётся через `IAAI_RUNTIME_CONFIG_FILE`, по умолчанию — `/app/runtime_config.json`.
-
-CLI и API аргументы имеют приоритет, а `runtime_config.json` работает как runtime-default и расширяемый фильтр.
+# mobile.de Scraper

+Парсер   [`mobile.de`](https://www.mobile.de/ru).