mirror of
https://github.com/catdevnull/preciazo.git
synced 2024-11-23 06:36:19 +00:00
Compare commits
No commits in common. "df85e43b5e44c90af25f17cb46a5dfce6fe00bc3" and "5d37ca01e8ad6fa4218dfe7b8af558945471f499" have entirely different histories.
df85e43b5e
...
5d37ca01e8
7 changed files with 12 additions and 81 deletions
4
.vscode/settings.json
vendored
4
.vscode/settings.json
vendored
|
@ -1,4 +0,0 @@
|
||||||
{
|
|
||||||
"spellright.language": ["es_AR"],
|
|
||||||
"spellright.documentTypes": ["markdown", "latex", "plaintext"]
|
|
||||||
}
|
|
|
@ -1,11 +1,13 @@
|
||||||
import type { Config } from "drizzle-kit";
|
import type { Config } from "drizzle-kit";
|
||||||
|
|
||||||
export const DB_PATH = process.env.DB_PATH ?? "../scraper/sqlite.db";
|
if (!process.env.DB_PATH) throw new Error("no hay DB_PATH");
|
||||||
|
|
||||||
|
export const DB_PATH = process.env.DB_PATH;
|
||||||
|
|
||||||
export default {
|
export default {
|
||||||
schema: "./schema.ts",
|
schema: "./schema.ts",
|
||||||
out: "./drizzle",
|
out: "./drizzle",
|
||||||
dbCredentials: {
|
dbCredentials: {
|
||||||
url: DB_PATH,
|
url: process.env.DB_PATH,
|
||||||
},
|
},
|
||||||
} satisfies Config;
|
} satisfies Config;
|
||||||
|
|
|
@ -5,6 +5,7 @@
|
||||||
"description": "",
|
"description": "",
|
||||||
"main": "index.js",
|
"main": "index.js",
|
||||||
"scripts": {
|
"scripts": {
|
||||||
|
"migrate": "bun migrate.ts",
|
||||||
"generate": "drizzle-kit generate:sqlite"
|
"generate": "drizzle-kit generate:sqlite"
|
||||||
},
|
},
|
||||||
"keywords": [],
|
"keywords": [],
|
||||||
|
|
42
readme.md
42
readme.md
|
@ -1,42 +0,0 @@
|
||||||
# preciazo
|
|
||||||
|
|
||||||
scrapeo "masivo" de precios y datos en supermercados argentinos
|
|
||||||
|
|
||||||
## componentes (en orden de proceso)
|
|
||||||
|
|
||||||
- los link scrapers ([coto-link-scraper](./coto-link-scraper/), [dia-link-scraper](./dia-link-scraper/) y [userscripts/carrefour.js](./userscripts/carrefour.js)) crean listas de links a productos para scrapear
|
|
||||||
|
|
||||||
(no hace falta correrlos porque ya hay listas armadas en [data/](./data/))
|
|
||||||
|
|
||||||
- se usa wget (potencialmente reemplazado por algo custom en el futuro) que genera un archivo [WARC](https://iipc.github.io/warc-specifications/specifications/warc-format/warc-1.0/) con todas las paginas de productos
|
|
||||||
- el [scraper](./scraper/) procesa estos WARCs, extrayendo varios datos y guardandolos en una base de datos SQLite (definida en [db-datos](./db-datos/schema.ts))
|
|
||||||
- el [sitio](./sitio/) renderiza páginas a partir de la base de datos y hace gráficos lindos
|
|
||||||
|
|
||||||
## setup
|
|
||||||
|
|
||||||
hay que instalar [Bun](https://bun.sh/), que lo estoy usando porque hacía que el scraper corra más rápido. quizás en el futuro lo reemplace con good old Node.js.
|
|
||||||
|
|
||||||
aparte, se necesita zstd, que se usa para comprimir los WARCs eficientemente. seguro está disponible en las repos de tu distro favorita :)
|
|
||||||
|
|
||||||
empezá descargando un WARC con 50 páginas de sample, y recomprimilo con zstd:
|
|
||||||
|
|
||||||
```
|
|
||||||
wget --no-verbose --tries=3 --delete-after --input-file ./data/samples/Dia.txt --warc-file=dia-sample
|
|
||||||
gzip -dc dia-sample.warc.gz | zstd --long -15 --no-sparse -o dia-sample.warc.zst
|
|
||||||
```
|
|
||||||
|
|
||||||
después, scrapealo a una BD:
|
|
||||||
|
|
||||||
```
|
|
||||||
cd scraper/
|
|
||||||
bun install
|
|
||||||
bun cli.ts scrap ../dia-sample.warc.zst
|
|
||||||
```
|
|
||||||
|
|
||||||
ahora miralo en el sitio:
|
|
||||||
|
|
||||||
```
|
|
||||||
cd sitio/
|
|
||||||
bun install
|
|
||||||
bun --bun dev
|
|
||||||
```
|
|
|
@ -6,7 +6,6 @@
|
||||||
"dev": "vite dev",
|
"dev": "vite dev",
|
||||||
"build": "vite build",
|
"build": "vite build",
|
||||||
"build:container": "bun --bun vite build && podman build -t gitea.nulo.in/nulo/preciazo/sitio .",
|
"build:container": "bun --bun vite build && podman build -t gitea.nulo.in/nulo/preciazo/sitio .",
|
||||||
"push:container": "bun build:container && podman push gitea.nulo.in/nulo/preciazo/sitio",
|
|
||||||
"preview": "vite preview",
|
"preview": "vite preview",
|
||||||
"check": "svelte-kit sync && svelte-check --tsconfig ./tsconfig.json",
|
"check": "svelte-kit sync && svelte-check --tsconfig ./tsconfig.json",
|
||||||
"check:watch": "svelte-kit sync && svelte-check --tsconfig ./tsconfig.json --watch",
|
"check:watch": "svelte-kit sync && svelte-check --tsconfig ./tsconfig.json --watch",
|
||||||
|
|
|
@ -3,7 +3,7 @@ import { drizzle } from "drizzle-orm/bun-sqlite";
|
||||||
import * as schema from "db-datos/schema.js";
|
import * as schema from "db-datos/schema.js";
|
||||||
import { env } from "$env/dynamic/private";
|
import { env } from "$env/dynamic/private";
|
||||||
|
|
||||||
const sqlite = new Database(env.DB_PATH ?? "../scraper/sqlite.db");
|
const sqlite = new Database(env.DB_PATH);
|
||||||
|
|
||||||
export const db = drizzle(sqlite, { schema });
|
export const db = drizzle(sqlite, { schema });
|
||||||
export * as schema from "db-datos/schema.js";
|
export * as schema from "db-datos/schema.js";
|
||||||
|
|
|
@ -6,30 +6,6 @@
|
||||||
|
|
||||||
<h1 class="text-xl">WIP</h1>
|
<h1 class="text-xl">WIP</h1>
|
||||||
|
|
||||||
<section>
|
|
||||||
<h2 class="text-lg font-bold">Ejemplos</h2>
|
|
||||||
<ul>
|
|
||||||
<li>
|
|
||||||
<a href="/ean/7790070410795">
|
|
||||||
Cookies Sabor Vainilla Con Chips De Chocolate Exquisita Paq 300 Grm
|
|
||||||
</a>
|
|
||||||
</li>
|
|
||||||
<li>
|
|
||||||
<a href="/ean/7794000006911">
|
|
||||||
Sopa Instantánea KNORR QUICK Zapallo Romero Sobres 5 Un.
|
|
||||||
</a>
|
|
||||||
</li>
|
|
||||||
<li>
|
|
||||||
<a href="/ean/7798062540253">Agua Saborizada Levité Pera 1,5 Lts.</a>
|
|
||||||
</li>
|
|
||||||
<li>
|
|
||||||
<a href="/ean/7790895000430">Gaseosa Coca-Cola Sabor Original 1,5 Lts.</a>
|
|
||||||
</li>
|
|
||||||
</ul>
|
|
||||||
</section>
|
|
||||||
|
|
||||||
<section>
|
|
||||||
<h2 class="text-lg font-bold">Random</h2>
|
|
||||||
<ul>
|
<ul>
|
||||||
{#each data.precios as product}
|
{#each data.precios as product}
|
||||||
<li>
|
<li>
|
||||||
|
@ -39,4 +15,3 @@
|
||||||
</li>
|
</li>
|
||||||
{/each}
|
{/each}
|
||||||
</ul>
|
</ul>
|
||||||
</section>
|
|
||||||
|
|
Loading…
Reference in a new issue