hello-dd-code
19cf9ce901
- 统一五个站点采集逻辑与启动脚本\n- 新增 dls_fresh 采集流程与日志优化\n- 新增 export_lawyers_excel 按时间条件导出\n- 默认导出近7天并支持扩展字段解析\n- 整理 .gitignore，忽略 data/logs 本地产物
63 lines
1.8 KiB
Markdown
63 lines
1.8 KiB
Markdown
# lawyers
|
||
|
||
`common_sites` 独立采集项目。
|
||
|
||
## 目录
|
||
|
||
- `common_sites/`：大律师、找法网、法律快车、律图、华律 5 个采集脚本
|
||
- `request/proxy_config.py`：代理配置加载逻辑
|
||
- `request/proxy_settings.json`：代理配置文件
|
||
- `Db.py`：数据库连接与基础操作
|
||
- `config.py`：数据库与请求头配置
|
||
|
||
## 运行
|
||
|
||
```bash
|
||
cd /www/wwwroot/lawyers
|
||
python3 -m venv .venv
|
||
.venv/bin/pip install -r requirements.txt
|
||
./common_sites/start.sh
|
||
```
|
||
|
||
## 启动参数
|
||
|
||
`start.sh` 默认并行启动 5 个站点采集（大律师使用 `dls_fresh.py`）。
|
||
|
||
- 日志目录：`/www/wwwroot/lawyers/logs`
|
||
- 大律师 JSON 输出：`/www/wwwroot/lawyers/data/dls_records.jsonl`
|
||
|
||
常用环境变量：
|
||
|
||
```bash
|
||
# 顺序执行（默认 parallel）
|
||
RUN_MODE=sequential ./common_sites/start.sh
|
||
|
||
# 大律师限制采集范围
|
||
DLS_CITY_FILTER=beijing DLS_MAX_CITIES=1 DLS_MAX_PAGES=1 ./common_sites/start.sh
|
||
|
||
# 大律师直连（不走代理）/ 仅导出JSON不写库
|
||
DLS_DIRECT=1 DLS_NO_DB=1 ./common_sites/start.sh
|
||
```
|
||
|
||
## 导出 Excel
|
||
|
||
新增导出脚本：`common_sites/export_lawyers_excel.py`
|
||
|
||
```bash
|
||
# 无参数：默认导出最近7天数据（含手机号/姓名/律所/省份/市区/站点名称）
|
||
# 并默认解析 params 扩展信息（邮箱/地址/执业证号/执业年限/擅长领域等）
|
||
./.venv/bin/python ./common_sites/export_lawyers_excel.py
|
||
|
||
# 按 create_time 时间戳范围导出
|
||
./.venv/bin/python ./common_sites/export_lawyers_excel.py \
|
||
--start-ts 1772380000 --end-ts 1772429999 \
|
||
--output ./data/lawyers_20260302.xlsx
|
||
|
||
# 只导出某站点，并带技术字段（url/域名/时间等）
|
||
./.venv/bin/python ./common_sites/export_lawyers_excel.py \
|
||
--domain 大律师 --include-extra
|
||
|
||
# 如果不需要解析 params 扩展信息
|
||
./.venv/bin/python ./common_sites/export_lawyers_excel.py --no-parse-params
|
||
```
|