Skip to content
New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Cria spider para rj_itaborai #1355

Open
wants to merge 1 commit into
base: main
Choose a base branch
from

Conversation

Gabriel-gag
Copy link

@Gabriel-gag Gabriel-gag commented Jan 23, 2025

AO ABRIR uma Pull Request de um novo raspador (spider), marque com um X cada um dos items da checklist abaixo. Caso algum item não seja marcado, JUSTIFIQUE o motivo.

Layout do site publicador de diários oficiais

Marque apenas um dos itens a seguir:

  • O layout não se parece com nenhum caso da lista de layouts padrão
  • É um layout padrão e esta PR adiciona a spider base do padrão ao projeto junto com alguns municípios que fazem parte do padrão.
  • É um layout padrão e todos os municípios adicionados usam a classe de spider base adequada para o padrão.

Código da(s) spider(s)

  • O(s) raspador(es) adicionado(s) tem os atributos de classe exigidos.
  • O(s) raspador(es) adicionado(s) cria(m) objetos do tipo Gazette coletando todos os metadados necessários.
  • O atributo de classe start_date foi preenchido com a data da edição de diário oficial mais antiga disponível no site.
  • Explicitar o atributo de classe end_date não se fez necessário.
  • Não utilizo custom_settings em meu raspador.

Testes

  • Uma coleta-teste da última edição foi feita. O arquivo de .log deste teste está anexado na PR.
  • Uma coleta-teste por intervalo arbitrário foi feita. Os arquivos de .loge .csv deste teste estão anexados na PR.
  • Uma coleta-teste completa foi feita. Os arquivos de .log e .csv deste teste estão anexados na PR.
    ultima.log
    intervalo.log
    intervalo.csv
    completa.log
    completa.csv

Verificações

  • Eu experimentei abrir alguns arquivos de diários oficiais coletados pelo meu raspador e verifiquei eles conforme a documentação não encontrando problemas.
  • Eu verifiquei os arquivos .csv gerados pela minha coleta conforme a documentação não encontrando problemas.
  • Eu verifiquei os arquivos de .log gerados pela minha coleta conforme a documentação não encontrando problemas.

Descrição

resolve #1196
Cria spider para rj_itaboraí

@slfabio
Copy link
Collaborator

slfabio commented Jan 23, 2025

Código revisado. Não tenho sugestões de melhorias.

Copy link

@firefueled firefueled left a comment

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Opa @Gabriel-gag Valeu pelo PR!

O relatório de coleta completo tem o primeiro DO em 02/01/2020, mas tem DOs mais antigos que isso no site.
Será que tem algo diferente nestes DOs que precisa ser tratado?

  • O Layout é novo mesmo
  • atributos
    • name
    • TERRITORY_ID
    • allowed_domains
    • start_urls/start_requests()
    • start_date
    • não precisa de end_date
  • código ok?
    • Gazette criado corretamente?
      • date
      • edition_number
      • is_extra_edition
      • power
  • roda?
    • uma data
    • um intervalo
    • todos
  • evidências
    • ultima
    • intervalo
    • completo

name = "rj_itaborai"
TERRITORY_ID = "3301900"
allowed_domains = ["do.ib.itaborai.rj.gov.br"]
start_date = dt(2020, 1, 1).date()

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

O site tem o primeiro DO no dia 23/01/2019.
Parece que colocou a data errada, ou teve algum outro problema?

Copy link
Author

Choose a reason for hiding this comment

The reason will be displayed to describe this comment to others. Learn more.

Na issue estava comentada esta data, vou alterar.

@Gabriel-gag Gabriel-gag force-pushed the rj_itaborai branch 4 times, most recently from b9abde4 to f613fd7 Compare March 12, 2025 14:36
@firefueled
Copy link

@Gabriel-gag Fechou por engano? Parece que fez uns commits que apagaram sua contribuição.

@Gabriel-gag Gabriel-gag reopened this Mar 13, 2025
Cria spider rj_itaborai
@Gabriel-gag
Copy link
Author

Reabri o PR

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment
Labels
None yet
Projects
Status: novo
Development

Successfully merging this pull request may close these issues.

[Novo spider]: Itaboraí-RJ
3 participants