Files
hotels/recheck_unclear_rkn.py

241 lines
8.9 KiB
Python
Raw Normal View History

#!/usr/bin/env python3
"""
Перепроверка отелей с неясным результатом РКН
С улучшенным распознаванием разных форматов
"""
import asyncio
import psycopg2
from psycopg2.extras import RealDictCursor
from playwright.async_api import async_playwright
from urllib.parse import unquote
from datetime import datetime
import logging
import re
# Настройка логирования
logging.basicConfig(
level=logging.INFO,
format='%(asctime)s - %(levelname)s - %(message)s',
handlers=[
logging.FileHandler(f'rkn_recheck_{datetime.now().strftime("%Y%m%d_%H%M%S")}.log'),
logging.StreamHandler()
]
)
logger = logging.getLogger(__name__)
# Конфигурация БД
DB_CONFIG = {
'host': "147.45.189.234",
'port': 5432,
'database': "default_db",
'user': "gen_user",
'password': unquote("2~~9_%5EkVsU%3F2%5CS")
}
REQUEST_DELAY = 2
async def check_inn_improved(page, inn: str) -> dict:
"""Улучшенная проверка ИНН с разными форматами"""
try:
url = f'https://pd.rkn.gov.ru/operators-registry/operators-list/?act=search&inn={inn}'
logger.info(f" 🔍 Проверка ИНН: {inn}")
await asyncio.sleep(REQUEST_DELAY)
response = await page.goto(url, timeout=30000, wait_until='networkidle')
if response.status != 200:
return {'found': False, 'status': 'error', 'message': f'HTTP {response.status}'}
await asyncio.sleep(1)
# Получаем HTML и текст
html = await page.content()
text = await page.evaluate('() => document.body.innerText')
# Проверка 1: Явное "Не найдено"
if 'Не найдено' in text or 'не найдено' in text.lower():
logger.info(f"Не найден в реестре")
return {'found': False, 'status': 'not_found'}
# Проверка 2: Ищем регистрационный номер в разных форматах
# Форматы: 41-14-000746, 10-0107355, 77-20-016698
reg_patterns = [
r'(\d{2}-\d{2}-\d{6,7})', # 41-14-000746
r'(\d{2}-\d{4}-\d{6,7})', # 10-0107-355555
r'href="\?id=([^"]+)"', # Из ссылки ?id=41-14-000746
]
reg_number = None
for pattern in reg_patterns:
match = re.search(pattern, html)
if match:
reg_number = match.group(1)
break
# Проверка 3: Ищем дату регистрации
date_patterns = [
r'Приказ[^0-9]*(\d{2}\.\d{2}\.\d{4})',
r'(\d{2}\.\d{2}\.\d{4})', # Любая дата в формате ДД.ММ.ГГГГ
]
reg_date = None
for pattern in date_patterns:
match = re.search(pattern, text)
if match:
reg_date = match.group(1)
break
# Проверка 4: Ищем название организации с ИНН
org_pattern = f'(?:Общество|Индивидуальный предприниматель|Акционерное общество|ОБЩЕСТВО|ООО|ИП|АО)[^<]*?ИНН:\\s*{inn}'
org_match = re.search(org_pattern, html, re.IGNORECASE | re.DOTALL)
if org_match or reg_number:
logger.info(f" ✅ Найден: {reg_number or 'номер не распознан'} ({reg_date or 'дата не распознана'})")
return {
'found': True,
'status': 'found',
'reg_number': reg_number,
'reg_date': reg_date
}
# Проверка 5: Есть ли таблица с результатами?
if 'class="TblList"' in html or 'id="ResList' in html:
# Таблица есть, но не смогли распознать
logger.info(f" ⚠️ Таблица найдена, но данные не распознаны")
# Сохраняем HTML для ручного анализа
with open(f'rkn_unclear_{inn}.html', 'w', encoding='utf-8') as f:
f.write(html)
return {
'found': None,
'status': 'unclear',
'message': 'Таблица найдена, но данные не распознаны',
'html_saved': f'rkn_unclear_{inn}.html'
}
logger.info(f" ❌ Результаты не найдены")
return {'found': False, 'status': 'not_found'}
except Exception as e:
logger.error(f" ✗ Ошибка: {e}")
return {'found': False, 'status': 'error', 'message': str(e)}
async def main():
"""Основная функция"""
import sys
region = sys.argv[1] if len(sys.argv) > 1 else 'Камчатский край'
conn = psycopg2.connect(**DB_CONFIG, cursor_factory=RealDictCursor)
try:
cur = conn.cursor()
# Получаем отели с неясным результатом
cur.execute('''
SELECT id, full_name, owner_inn, website_address
FROM hotel_main
WHERE region_name ILIKE %s
AND rkn_registry_status = 'unclear'
ORDER BY full_name
''', (f'%{region}%',))
hotels = cur.fetchall()
cur.close()
logger.info(f"\n{'='*70}")
logger.info(f"🔄 ПЕРЕПРОВЕРКА НЕЯСНЫХ РЕЗУЛЬТАТОВ: {region}")
logger.info(f"📊 Отелей для перепроверки: {len(hotels)}")
logger.info(f"⏱️ Примерное время: {len(hotels) * REQUEST_DELAY / 60:.1f} минут")
logger.info(f"{'='*70}\n")
if len(hotels) == 0:
logger.info("✅ Нет отелей для перепроверки!")
return
# Открываем браузер
async with async_playwright() as p:
browser = await p.chromium.launch(headless=True)
page = await browser.new_page()
await page.set_viewport_size({"width": 1920, "height": 1080})
await page.set_extra_http_headers({
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'
})
results = {
'found': 0,
'not_found': 0,
'still_unclear': 0,
'error': 0
}
for i, hotel in enumerate(hotels, 1):
logger.info(f"\n[{i}/{len(hotels)}] {'='*50}")
logger.info(f"🏨 {hotel['full_name']}")
logger.info(f"🌐 {hotel['website_address']}")
logger.info(f"🔢 ИНН: {hotel['owner_inn']}")
# Проверяем
result = await check_inn_improved(page, hotel['owner_inn'])
# Сохраняем результат
cur = conn.cursor()
cur.execute('''
UPDATE hotel_main
SET
rkn_registry_status = %s,
rkn_registry_number = %s,
rkn_registry_date = %s,
rkn_checked_at = %s
WHERE id = %s
''', (
result['status'],
result.get('reg_number'),
result.get('reg_date'),
datetime.now(),
hotel['id']
))
conn.commit()
cur.close()
# Обновляем статистику
if result['found'] == True:
results['found'] += 1
elif result['found'] == False:
if result['status'] == 'not_found':
results['not_found'] += 1
else:
results['error'] += 1
else:
results['still_unclear'] += 1
await browser.close()
# Итоги
logger.info(f"\n{'='*70}")
logger.info("📊 ИТОГИ ПЕРЕПРОВЕРКИ:")
logger.info(f" ✅ Теперь найдено: {results['found']}")
logger.info(f"Не найдено: {results['not_found']}")
logger.info(f"Все еще неясно: {results['still_unclear']}")
logger.info(f" ⚠️ Ошибки: {results['error']}")
logger.info(f"{'='*70}")
finally:
conn.close()
if __name__ == "__main__":
asyncio.run(main())