bot-backend
f7d4b5bccf
All checks were successful
Deploy / changes (push) Successful in 9s
Deploy / build-frontend (push) Has been skipped
Deploy / deploy-caddy (push) Has been skipped
Deploy / build-backend (push) Successful in 2m28s
Deploy / build-worker (push) Successful in 4m9s
Deploy / deploy (push) Successful in 1m25s
Deploy / deploy-status (push) Successful in 1s
Deploy / perimeter-smoke (push) Successful in 9s
551 lines
25 KiB
Python
551 lines
25 KiB
Python
"""DOM.РФ catalog-OBJECT scraper (issue #297 sub-task 22d).
|
||
|
||
Fills ~25 NULL columns in domrf_kn_objects from public SSR catalog page:
|
||
https://наш.дом.рф/сервисы/каталог-новостроек/объект/{obj_id}
|
||
|
||
kn-API не возвращает: wall_type, energy_eff, ceiling_height_m, parking_*,
|
||
playground_*, finishing_variants_count, etc. — все эти поля есть в
|
||
__NEXT_DATA__ JSON блоке на странице каталога (Next.js SSR).
|
||
|
||
Uses BrowserSession from app.services.scrapers.stealth (Playwright + WAF bypass).
|
||
Fetches HTML, extracts __NEXT_DATA__ JSON, maps to DB columns,
|
||
UPDATE domrf_kn_objects WHERE obj_id = :id (не перетирает kn-API данные).
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import asyncio
|
||
import json
|
||
import logging
|
||
import re
|
||
from datetime import date
|
||
from typing import Any
|
||
|
||
from sqlalchemy import text
|
||
from sqlalchemy.orm import Session
|
||
|
||
from app.core.config import settings
|
||
from app.services.scrapers.stealth import BASE_URL, BrowserSession, WafBlockedError, jitter_sleep
|
||
|
||
logger = logging.getLogger(__name__)
|
||
|
||
# Сколько WAF-блоков ПОДРЯД прерывают батч (#2464). Одиночный блок бывает
|
||
# переходным (сессия перегреет cookies и восстановится), три подряд — стена.
|
||
_WAF_BREAKER_THRESHOLD = 3
|
||
|
||
# URL шаблон страницы объекта в каталоге DOM.РФ.
|
||
# Человекочитаемый вид: https://наш.дом.рф/сервисы/каталог-новостроек/объект/{obj_id}
|
||
CATALOG_OBJECT_PATH = "/сервисы/каталог-новостроек/объект/{obj_id}"
|
||
|
||
# JS snippet — аналог _FETCH_HTML_JS из domrf_catalog.py.
|
||
# Выполняется внутри живой Playwright-страницы, возвращает HTML текст.
|
||
_FETCH_HTML_JS = """
|
||
async ({url}) => {
|
||
try {
|
||
const r = await fetch(url, {credentials: 'include'});
|
||
const ctype = r.headers.get('content-type') || '';
|
||
const body = await r.text();
|
||
return {ok: r.ok, status: r.status, body, contentType: ctype};
|
||
} catch (e) {
|
||
return {ok: false, status: 0, body: String(e), contentType: ''};
|
||
}
|
||
}
|
||
"""
|
||
|
||
# UPDATE SQL — обновляет только catalog-derived поля.
|
||
# COALESCE гарантирует что NULL-значение не перетирает уже заполненное поле.
|
||
UPDATE_OBJECT_CATALOG_SQL = text(
|
||
"""
|
||
UPDATE domrf_kn_objects SET
|
||
obj_class = COALESCE(:obj_class, obj_class),
|
||
wall_type = COALESCE(:wall_type, wall_type),
|
||
energy_eff = COALESCE(:energy_eff, energy_eff),
|
||
section_count = COALESCE(:section_count, section_count),
|
||
parking_total_slots = COALESCE(:parking_total_slots, parking_total_slots),
|
||
guest_parking_inside_count = COALESCE(
|
||
:guest_parking_inside_count, guest_parking_inside_count
|
||
),
|
||
guest_parking_outside_count = COALESCE(
|
||
:guest_parking_outside_count, guest_parking_outside_count
|
||
),
|
||
ceiling_height_m = COALESCE(:ceiling_height_m, ceiling_height_m),
|
||
finishing_variants_count = COALESCE(:finishing_variants_count, finishing_variants_count),
|
||
has_free_planning = COALESCE(:has_free_planning, has_free_planning),
|
||
avg_flat_area_m2 = COALESCE(:avg_flat_area_m2, avg_flat_area_m2),
|
||
elevators_passenger_count = COALESCE(
|
||
:elevators_passenger_count, elevators_passenger_count
|
||
),
|
||
elevators_cargo_count = COALESCE(:elevators_cargo_count, elevators_cargo_count),
|
||
playground_kids_count = COALESCE(:playground_kids_count, playground_kids_count),
|
||
playground_sport_count = COALESCE(:playground_sport_count, playground_sport_count),
|
||
has_bike_paths = COALESCE(:has_bike_paths, has_bike_paths),
|
||
trash_areas_count = COALESCE(:trash_areas_count, trash_areas_count),
|
||
has_ramp = COALESCE(:has_ramp, has_ramp),
|
||
has_low_platforms = COALESCE(:has_low_platforms, has_low_platforms),
|
||
has_wheelchair_lift = COALESCE(:has_wheelchair_lift, has_wheelchair_lift),
|
||
first_floor_type = COALESCE(:first_floor_type, first_floor_type),
|
||
parking_provision_pct = COALESCE(:parking_provision_pct, parking_provision_pct),
|
||
project_published_at = COALESCE(:project_published_at, project_published_at),
|
||
project_declaration_num = COALESCE(:project_declaration_num, project_declaration_num),
|
||
domrf_score_infrastructure = COALESCE(
|
||
:domrf_score_infrastructure, domrf_score_infrastructure
|
||
),
|
||
domrf_score_transport = COALESCE(:domrf_score_transport, domrf_score_transport),
|
||
catalog_scraped_at = NOW()
|
||
WHERE obj_id = :obj_id
|
||
AND snapshot_date = :snapshot_date
|
||
"""
|
||
)
|
||
|
||
|
||
# ── Value helpers ─────────────────────────────────────────────────────────────
|
||
|
||
|
||
def _to_numeric_comma(s: Any) -> float | None:
|
||
"""Конвертировать строку с запятой-десятичным разделителем в float.
|
||
|
||
Примеры: "2,7" → 2.7; "2.7" → 2.7; "" → None; None → None.
|
||
"""
|
||
if s is None:
|
||
return None
|
||
raw = str(s).strip().replace(",", ".")
|
||
if not raw:
|
||
return None
|
||
try:
|
||
return float(raw)
|
||
except ValueError:
|
||
return None
|
||
|
||
|
||
def _to_date_ddmmyyyy(s: Any) -> date | None:
|
||
"""Конвертировать строку "DD.MM.YYYY" в date.
|
||
|
||
Примеры: "31.03.2025" → date(2025, 3, 31); "" → None; invalid → None.
|
||
"""
|
||
if not s:
|
||
return None
|
||
raw = str(s).strip()
|
||
if not raw:
|
||
return None
|
||
try:
|
||
parts = raw.split(".")
|
||
if len(parts) == 3:
|
||
return date(int(parts[2]), int(parts[1]), int(parts[0]))
|
||
except (ValueError, IndexError):
|
||
pass
|
||
return None
|
||
|
||
|
||
def _to_bool_int(v: Any) -> bool | None:
|
||
"""Конвертировать 0/1 (или любое int-like) в bool.
|
||
|
||
Примеры: 1 → True; 0 → False; None → None; 3 → True (>0).
|
||
"""
|
||
if v is None:
|
||
return None
|
||
try:
|
||
return int(v) > 0
|
||
except (ValueError, TypeError):
|
||
return None
|
||
|
||
|
||
def _to_bool_da_net(s: Any) -> bool | None:
|
||
"""Конвертировать "Да"/"Нет" строку в bool.
|
||
|
||
Примеры: "Да" → True; "Нет" → False; "" → None; None → None.
|
||
"""
|
||
if s is None:
|
||
return None
|
||
raw = str(s).strip().lower()
|
||
if raw == "да":
|
||
return True
|
||
if raw == "нет":
|
||
return False
|
||
return None
|
||
|
||
|
||
def _safe_int(v: Any) -> int | None:
|
||
"""Безопасная конвертация в int, None при ошибке."""
|
||
if v is None:
|
||
return None
|
||
try:
|
||
return int(v)
|
||
except (ValueError, TypeError):
|
||
return None
|
||
|
||
|
||
# ── HTML fetching ─────────────────────────────────────────────────────────────
|
||
|
||
|
||
async def fetch_catalog_object_html(session: BrowserSession, obj_id: int) -> str:
|
||
"""Получить SSR-HTML страницы объекта в каталоге DOM.РФ.
|
||
|
||
Использует тот же паттерн что fetch_catalog_html из domrf_catalog.py:
|
||
fetch() внутри живой Playwright-страницы — WAF-fingerprint идентичен браузеру.
|
||
|
||
Raises:
|
||
WafBlockedError: если вернулся не-HTML (JS-challenge или JSON).
|
||
RuntimeError: при 404 или исчерпании попыток.
|
||
"""
|
||
if session._page is None:
|
||
raise RuntimeError("BrowserSession not bootstrapped")
|
||
|
||
url = BASE_URL + CATALOG_OBJECT_PATH.format(obj_id=obj_id)
|
||
last_err: Exception | None = None
|
||
|
||
for attempt in range(5):
|
||
async with session._sem:
|
||
await jitter_sleep(300, 700)
|
||
try:
|
||
session._request_count += 1
|
||
result = await session._page.evaluate(_FETCH_HTML_JS, {"url": url})
|
||
except Exception as exc:
|
||
last_err = exc
|
||
logger.warning(
|
||
"catalog_object html evaluate err attempt=%d obj_id=%d: %r",
|
||
attempt,
|
||
obj_id,
|
||
exc,
|
||
)
|
||
await asyncio.sleep(2**attempt)
|
||
continue
|
||
|
||
status: int = result.get("status", 0)
|
||
body: str = result.get("body", "")
|
||
ctype: str = result.get("contentType", "")
|
||
|
||
if status in (429,) or status >= 500 or status == 0:
|
||
last_err = RuntimeError(f"transient status={status}")
|
||
logger.warning(
|
||
"catalog_object transient status=%d attempt=%d obj_id=%d, backing off",
|
||
status,
|
||
attempt,
|
||
obj_id,
|
||
)
|
||
await asyncio.sleep(2**attempt)
|
||
continue
|
||
|
||
if status == 404:
|
||
raise RuntimeError(f"catalog_object 404 for obj_id={obj_id}")
|
||
|
||
if status != 200:
|
||
raise RuntimeError(f"catalog_object http {status}: {body[:200]} obj_id={obj_id}")
|
||
|
||
# Проверяем что вернулся HTML, а не WAF JS-challenge.
|
||
is_html = "text/html" in ctype or "<!doctype" in body[:100].lower()
|
||
if body and not is_html:
|
||
raise WafBlockedError(
|
||
f"non-HTML response for obj_id={obj_id}: status={status} ctype={ctype!r}"
|
||
f" body[:120]={body[:120]!r}"
|
||
)
|
||
|
||
if not body:
|
||
raise RuntimeError(f"catalog_object empty body for obj_id={obj_id}")
|
||
|
||
return body
|
||
|
||
raise RuntimeError(f"catalog_object html max retries exhausted obj_id={obj_id}: {last_err!r}")
|
||
|
||
|
||
# ── __NEXT_DATA__ extraction ──────────────────────────────────────────────────
|
||
|
||
|
||
def extract_next_data(html: str) -> dict[str, Any]:
|
||
"""Извлечь JSON из тега <script id="__NEXT_DATA__"> в SSR HTML.
|
||
|
||
Raises:
|
||
ValueError: если тег не найден или JSON не парсится.
|
||
"""
|
||
match = re.search(
|
||
r'<script\s+id=["\']__NEXT_DATA__["\'][^>]*>(.+?)</script>',
|
||
html,
|
||
re.DOTALL,
|
||
)
|
||
if not match:
|
||
raise ValueError("__NEXT_DATA__ script tag not found in HTML")
|
||
|
||
raw_json = match.group(1).strip()
|
||
try:
|
||
return json.loads(raw_json) # type: ignore[no-any-return]
|
||
except json.JSONDecodeError as exc:
|
||
raise ValueError(f"__NEXT_DATA__ JSON parse error: {exc}") from exc
|
||
|
||
|
||
# ── Field mapping ─────────────────────────────────────────────────────────────
|
||
|
||
|
||
def parse_catalog_object(next_data: dict[str, Any]) -> dict[str, Any]:
|
||
"""Извлечь поля объекта из __NEXT_DATA__ и вернуть dict для UPDATE.
|
||
|
||
Все .get() безопасны — partial responses OK, отсутствующие поля = None.
|
||
Возвращает dict с bind-параметрами для UPDATE_OBJECT_CATALOG_SQL.
|
||
"""
|
||
pp: dict[str, Any] = next_data.get("props", {}).get("pageProps", {})
|
||
ai: dict[str, Any] = pp.get("additionalInfo") or {}
|
||
quart: dict[str, Any] = pp.get("quartography") or {}
|
||
indexes: dict[str, Any] = pp.get("indexes") or {}
|
||
decl: dict[str, Any] = pp.get("projectDeclaration") or {}
|
||
|
||
# first_floor_type: 1 = нежилой, 0 = жилой
|
||
first_floor_raw = quart.get("nonLivFirstFloor")
|
||
first_floor_type: str | None = None
|
||
if first_floor_raw is not None:
|
||
try:
|
||
first_floor_type = "нежилой" if int(first_floor_raw) == 1 else "жилой"
|
||
except (ValueError, TypeError):
|
||
pass
|
||
|
||
# elevators_cargo_count = cargoElevatorsCount + cargoPassengerElevatorCount
|
||
cargo = _safe_int(ai.get("cargoElevatorsCount"))
|
||
cargo_pass = _safe_int(ai.get("cargoPassengerElevatorCount"))
|
||
if cargo is not None or cargo_pass is not None:
|
||
elevators_cargo_count: int | None = (cargo or 0) + (cargo_pass or 0)
|
||
else:
|
||
elevators_cargo_count = None
|
||
|
||
return {
|
||
"obj_class": pp.get("buildingClass"),
|
||
"wall_type": pp.get("wallMaterial"),
|
||
"energy_eff": pp.get("objEnergyEfficiency"),
|
||
"section_count": _safe_int(quart.get("objLivElemEntrCnt")),
|
||
"parking_total_slots": _safe_int(pp.get("parkingCount")),
|
||
"guest_parking_inside_count": _safe_int(ai.get("objectParkingPlaces")),
|
||
"guest_parking_outside_count": _safe_int(ai.get("nearbyParkingPlaces")),
|
||
"ceiling_height_m": _to_numeric_comma(ai.get("ceilingHeight")),
|
||
"finishing_variants_count": _safe_int(pp.get("finishTypeCount")),
|
||
"has_free_planning": _to_bool_da_net(pp.get("freePlan")),
|
||
"avg_flat_area_m2": _to_numeric_comma(quart.get("objLivElemSqAvg")),
|
||
"elevators_passenger_count": _safe_int(ai.get("passengerElevatorsCount")),
|
||
"elevators_cargo_count": elevators_cargo_count,
|
||
"playground_kids_count": _safe_int(ai.get("playgroundsCount")),
|
||
"playground_sport_count": _safe_int(ai.get("sportsgroundCount")),
|
||
"has_bike_paths": _to_bool_int(ai.get("bicycleLane")),
|
||
"trash_areas_count": _safe_int(ai.get("trashAreaCount")),
|
||
"has_ramp": _to_bool_int(ai.get("ramp")),
|
||
"has_low_platforms": _to_bool_int(ai.get("curbLowering")),
|
||
"has_wheelchair_lift": _to_bool_int(ai.get("wheelchairElevatorsCount")),
|
||
"first_floor_type": first_floor_type,
|
||
"parking_provision_pct": _to_numeric_comma(ai.get("parkingAvailabilityPerc")),
|
||
"project_published_at": _to_date_ddmmyyyy(pp.get("publicationDate")),
|
||
"project_declaration_num": decl.get("number"),
|
||
"domrf_score_infrastructure": _safe_int(indexes.get("infrastructure")),
|
||
"domrf_score_transport": _safe_int(indexes.get("transport")),
|
||
# TODO: obj_checks (6 detailed checks) — separate investigation (task #21).
|
||
# pageProps.isChecked (bool), verificationId, verificationFlg available here
|
||
# but detailed per-check breakdown requires separate API investigation.
|
||
}
|
||
|
||
|
||
# ── DB write ──────────────────────────────────────────────────────────────────
|
||
|
||
|
||
async def scrape_catalog_object(
|
||
db: Session,
|
||
session: BrowserSession,
|
||
obj_id: int,
|
||
snapshot_date: date,
|
||
) -> bool | None:
|
||
"""Scrape одного объекта: fetch HTML → extract __NEXT_DATA__ → parse → UPDATE.
|
||
|
||
Использует SAVEPOINT (begin_nested) для изоляции per-row ошибок.
|
||
Логирует результат через logger.info.
|
||
|
||
Returns:
|
||
True — UPDATE затронул строку;
|
||
None — ПРОПУСК: строки (obj_id, snapshot_date) в БД нет. Это не сбой:
|
||
obj_id берутся из БД, но снимок мог смениться между выборкой и
|
||
UPDATE'ом. Раньше этот случай возвращал False и попадал в
|
||
счётчик failed вместе с настоящими ошибками, а объявленный в
|
||
контракте счётчик skipped всегда оставался нулём (#2464);
|
||
False — сбой: не скачалось, не распарсилось, упал UPDATE.
|
||
|
||
Третье состояние сделано через None, а не через новый Literal, намеренно:
|
||
прежние True/False сохраняют смысл, поэтому вызывающие и тесты, полагающиеся
|
||
на них, не меняются.
|
||
"""
|
||
logger.info("catalog_object scrape start obj_id=%d snapshot_date=%s", obj_id, snapshot_date)
|
||
|
||
try:
|
||
html = await fetch_catalog_object_html(session, obj_id)
|
||
except WafBlockedError:
|
||
# #2464: WAF-блок — не «этот объект не дошёл», а закрытая дверь. Раньше он
|
||
# гасился здесь и возвращался как обычная неудача, поэтому батч-цикл шёл
|
||
# дальше и слал ЖИВОЙ запрос на каждый оставшийся obj_id в уже забаненную
|
||
# сессию. Пробрасываем: решение принимает предохранитель в батче.
|
||
raise
|
||
except Exception as exc:
|
||
logger.warning("catalog_object fetch failed obj_id=%d: %s", obj_id, exc)
|
||
return False
|
||
|
||
try:
|
||
next_data = extract_next_data(html)
|
||
except ValueError as exc:
|
||
logger.warning("catalog_object extract_next_data failed obj_id=%d: %s", obj_id, exc)
|
||
return False
|
||
|
||
try:
|
||
data = parse_catalog_object(next_data)
|
||
except Exception as exc:
|
||
logger.warning("catalog_object parse failed obj_id=%d: %s", obj_id, exc)
|
||
return False
|
||
|
||
fields_extracted = len([v for v in data.values() if v is not None])
|
||
|
||
params: dict[str, Any] = {
|
||
"obj_id": obj_id,
|
||
"snapshot_date": snapshot_date,
|
||
**data,
|
||
}
|
||
|
||
try:
|
||
with db.begin_nested():
|
||
result = db.execute(UPDATE_OBJECT_CATALOG_SQL, params)
|
||
rows_affected: int = result.rowcount or 0
|
||
except Exception as exc:
|
||
logger.warning("catalog_object UPDATE failed obj_id=%d: %s", obj_id, exc)
|
||
return False
|
||
|
||
if rows_affected == 0:
|
||
logger.warning(
|
||
"catalog_object UPDATE 0 rows obj_id=%d snapshot_date=%s — not in DB?",
|
||
obj_id,
|
||
snapshot_date,
|
||
)
|
||
return None
|
||
|
||
logger.info(
|
||
"catalog_object scraped obj_id=%d fields=%d rows_updated=%d",
|
||
obj_id,
|
||
fields_extracted,
|
||
rows_affected,
|
||
)
|
||
return True
|
||
|
||
|
||
async def scrape_catalog_objects(
|
||
db: Session,
|
||
obj_ids: list[int],
|
||
snapshot_date: date,
|
||
region_code: int = 66,
|
||
) -> dict[str, int]:
|
||
"""Scrape списка объектов через один BrowserSession.
|
||
|
||
Запускает один BrowserSession на весь batch; jitter_sleep (300–700 мс)
|
||
встроен в fetch_catalog_object_html для защиты от rate-limit.
|
||
|
||
Returns:
|
||
{"processed": N, "succeeded": N, "failed": N, "skipped": N}
|
||
"""
|
||
stats: dict[str, int] = {
|
||
"processed": 0,
|
||
"succeeded": 0,
|
||
"failed": 0,
|
||
"skipped": 0,
|
||
}
|
||
|
||
if not obj_ids:
|
||
logger.info("scrape_catalog_objects: empty list, nothing to do")
|
||
return stats
|
||
|
||
logger.info(
|
||
"scrape_catalog_objects: starting %d objects region=%d snapshot_date=%s",
|
||
len(obj_ids),
|
||
region_code,
|
||
snapshot_date,
|
||
)
|
||
|
||
async with BrowserSession(
|
||
region_code=region_code,
|
||
# Страницы каталога публичные — Basic auth не нужен
|
||
auth=None,
|
||
# #2445 D2 anti-ban: этот scraper ходит по тому же /сервисы/* path family,
|
||
# что вызвал DOM.РФ WAF hard-ban 2026-05-24 (#2443). Без явного override
|
||
# BrowserSession тихо наследует модульный дефолт stealth.py (concurrency=8,
|
||
# jitter 600-1500ms) — тот самый throttle-less профиль, что и раньше
|
||
# триггерил volume-ban. Переиспользуем throttled настройки, принятые
|
||
# scrape_kn.py после #1945 (settings.scrape_kn_* — общий anti-ban рычаг,
|
||
# НЕ специфичный для KN-sweep, несмотря на имя).
|
||
concurrency=settings.scrape_kn_browser_concurrency,
|
||
jitter_min_ms=settings.scrape_kn_request_jitter_min_ms,
|
||
jitter_max_ms=settings.scrape_kn_request_jitter_max_ms,
|
||
) as session:
|
||
# Warm-up: visit /сервисы/каталог-новостроек/ to obtain WAF cookies.
|
||
# DOM.РФ WAF (2026-05-24) блокирует SSR-страницы объектов без этих cookies.
|
||
# Idempotent — один вызов покрывает весь batch через этот BrowserSession.
|
||
await session.warm_up()
|
||
|
||
# #2464: предохранитель на серию WAF-блоков. Замер 20.08: в очереди 13200
|
||
# объектов из 13801, а DOM.РФ отдаёт страницу «Доступ заблокирован [403]»
|
||
# с капчей (#2443). Без предохранителя один прогон «Загрузить все» выдал бы
|
||
# 13200 живых запросов в забаненную сессию — ровно то, что углубляет бан
|
||
# (анти-бан-комментарий к BrowserSession выше про тот же path family).
|
||
# Порог не единица: одиночный блок бывает переходным, три подряд — стена.
|
||
consecutive_waf = 0
|
||
|
||
for obj_id in obj_ids:
|
||
stats["processed"] += 1
|
||
try:
|
||
ok = await scrape_catalog_object(db, session, obj_id, snapshot_date)
|
||
except WafBlockedError as exc:
|
||
consecutive_waf += 1
|
||
stats["failed"] += 1
|
||
logger.warning(
|
||
"catalog_object WAF blocked obj_id=%d (подряд %d/%d): %s",
|
||
obj_id,
|
||
consecutive_waf,
|
||
_WAF_BREAKER_THRESHOLD,
|
||
exc,
|
||
)
|
||
if consecutive_waf >= _WAF_BREAKER_THRESHOLD:
|
||
stats["aborted_on_waf"] = 1
|
||
logger.error(
|
||
"scrape_catalog_objects: %d WAF-блока подряд — прерываю батч,"
|
||
" обработано %d из %d",
|
||
consecutive_waf,
|
||
stats["processed"],
|
||
len(obj_ids),
|
||
)
|
||
break
|
||
continue
|
||
consecutive_waf = 0
|
||
if ok is None:
|
||
# Строки в БД нет — это пропуск, а не сбой (см. контракт выше).
|
||
stats["skipped"] += 1
|
||
continue
|
||
if ok:
|
||
stats["succeeded"] += 1
|
||
# Фиксируем сразу, а не одним commit'ом в конце (#2464). Раньше весь
|
||
# батч жил в одной незакоммиченной транзакции, и любой отказ ПОСЛЕ
|
||
# цикла — исключение в BrowserSession.__aexit__, снятие Celery-таски,
|
||
# перезапуск контейнера — обнулял все уже успешные UPDATE'ы.
|
||
# Это не теория: беговой режим здесь force=True («Загрузить все»),
|
||
# то есть SQL без LIMIT. На 20.08.2026 в очереди 13200 объектов из
|
||
# 13801 — многочасовой прогон, где отказ в конце стоил бы всего.
|
||
# SAVEPOINT внутри scrape_catalog_object к этому моменту уже снят,
|
||
# поэтому commit здесь корректен.
|
||
try:
|
||
db.commit()
|
||
except Exception:
|
||
db.rollback()
|
||
raise
|
||
else:
|
||
stats["failed"] += 1
|
||
|
||
# Финальный commit. Успешные строки зафиксированы по ходу цикла (см. выше), но
|
||
# этот вызов остаётся: он закрывает транзакцию, которую могли autobegin'ить
|
||
# неудачные итерации (их SAVEPOINT откатился, а внешняя транзакция открыта),
|
||
# и сохраняет прежнее поведение для вызывающих, которые на него полагались.
|
||
try:
|
||
db.commit()
|
||
except Exception:
|
||
db.rollback()
|
||
raise
|
||
|
||
logger.info(
|
||
"scrape_catalog_objects done: processed=%d succeeded=%d failed=%d skipped=%d",
|
||
stats["processed"],
|
||
stats["succeeded"],
|
||
stats["failed"],
|
||
stats["skipped"],
|
||
)
|
||
return stats
|