Initial commit: 招标信息爬虫与分析系统

test_upload_other_forms.py

@@ -0,0 +1,86 @@
+# -*- coding: utf-8 -*-
+"""
+测试上传招标公告和招标计划表单
+"""
+import logging
+import sys
+import os
+
+# 添加当前目录到模块搜索路径
+sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
+
+# 导入配置和处理器
+from config import ZHEJIANG_CONFIG, SPIDER_CONFIG, DATA_DIR
+from spiders import ZhejiangSpider
+from processors import ProcessingPipeline
+
+# 配置日志
+logging.basicConfig(
+    level=logging.INFO,
+    format='%(asctime)s - %(levelname)s - %(message)s'
+)
+logger = logging.getLogger(__name__)
+
+def crawl_and_upload(notice_type, max_pages=1):
+    """爬取并上传指定类型的表单"""
+    logger.info(f"\n{'='*70}")
+    logger.info(f"开始处理: {notice_type}")
+    logger.info(f"{'='*70}")
+    
+    # 1. 爬取数据
+    logger.info("1. 爬取数据:")
+    spider = ZhejiangSpider(ZHEJIANG_CONFIG, SPIDER_CONFIG, DATA_DIR)
+    
+    # 爬取数据
+    spider.crawl(
+        max_pages=max_pages,
+        category="工程建设",
+        notice_type=notice_type
+    )
+    
+    # 保存到CSV
+    spider.save_to_csv()
+    
+    # 获取爬取结果
+    results = spider.results
+    logger.info(f"爬取完成，共获取 {len(results)} 条数据")
+    
+    if len(results) == 0:
+        logger.error("爬取失败，无数据")
+        return
+    
+    # 2. 处理数据
+    logger.info("\n2. 处理数据:")
+    pipeline = ProcessingPipeline()
+    
+    processed = pipeline.process_results(
+        results,
+        site="zhejiang",
+        notice_type=notice_type,
+        upload=True  # 上传到简道云
+    )
+    
+    # 3. 展示结果
+    logger.info("\n3. 处理结果:")
+    logger.info(f"成功处理 {len(processed)} 条数据")
+    
+    # 展示前2条的关键信息
+    logger.info("\n前2条数据关键信息:")
+    for i, record in enumerate(processed[:2], 1):
+        logger.info(f"\n测试 {i}")
+        logger.info(f"项目名称: {record.get('项目名称', '文档未提及')}")
+        logger.info(f"项目批准文号: {record.get('项目批准文号', '文档未提及')}")
+        logger.info(f"批准文号: {record.get('批准文号', '文档未提及')}")
+
+def main():
+    """主函数"""
+    logger.info("开始上传招标公告和招标计划表单")
+    
+    # 处理招标公告
+    crawl_and_upload("招标公告", max_pages=1)
+    
+    # 处理招标计划
+    crawl_and_upload("招标计划", max_pages=1)
+
+if __name__ == "__main__":
+    main()