Написать парсер 2гис

Technical task: Program for automatic video assembly (local, for personal use) Briefly Program in Python, runs on my PC (Windows). Creates faceless videos in the format of "voiceover + changing visuals from photos and clips" — like historical documentaries on YouTube (references will be attached separately). I input a topic → the program writes a script, voices it, selects video/photos for each piece of text from free archives, assembles → outputs a ready MP4. For me only. No website, no users, no sales. Role division (important to understand) Claude (Anthropic API) — "brain": writes the script, divides it into scenes, selects the best frame by meaning. Works only with text and images. Code (ffmpeg/moviepy) — "hands": searches and downloads files from archives, cuts, glues, overlays sound, zooms, transitions, exports MP4. Claude does NOT edit video files — that’s done by the code. How it works (step by step) 1. Input. Simple window: I enter the topic of the video, choose a voice from the list (the list of voices is pulled from ElevenLabs via API). I click "Create". The second mode — insert a ready script. 2. Script. Claude writes a script on the topic of the specified length. 3. Scene breakdown. Claude divides the script into meaningful scenes (length by meaning, not fixed) and returns for each: scene text; type of visual: video or photo; search query in two formats at once (Claude provides both in one response, no extra queries or costs): expanded phrase — for stocks (Pexels/Pixabay), e.g. "18th century royal portrait, dramatic turning point"; brief keywords/names — for archives (Wikimedia, LoC, Archive.org, Europeana), e.g. "Marie Antoinette portrait". The code takes the appropriate format for each source. Claude generates the query based on the MEANING of the piece and the context of the entire video — even for abstract pieces without a clear object. There are no empty pieces "without a query"; highlight: true/false + importance rating 1-10 (for intro teaser). Meaningful scene ≠ frame. Claude divides the text by MEANING (so that the query is meaningful). The code then cuts this into visual frames of 4-6 seconds, adjusting the timing to the voiceover: short scene (≤6 sec) → 1 frame; long scene (e.g. 12 sec) → 2-3 frames of 4-6 sec each, with each — DIFFERENT, but close in meaning visual (same topic, different angles/frames), so that the thought does not hang on one static picture. The 4-6 sec rule applies to the frame, not to the meaningful breakdown — they are at different levels and do not conflict. 4. Voiceover. Text → ElevenLabs API with the selected voice → audio. The video sequence is cut to the length of the audio of each scene. 5. Frame selection (key process, see section below). 6. Assembly via ffmpeg/moviepy: clips/photos according to the timing of the voiceover, photos with zoom (Ken Burns effect), simple transitions, voice on top. Output: MP4 1920×1080. Frame selection (how video/photo is chosen for the scene) Search across all sources at once by the scene query. For each source, the appropriate query format is taken (see breakdown above): for archives — brief terms/names, for stocks — expanded phrase. The goal is to hit the topic, not a random picture. The code selects the top-5 candidates from all results by scores (scorer, see rules below). For video the code extracts 2-3 still frames from different points of the clip (beginning/middle/end) — so that Claude evaluates the clip by frames. Claude selects the best from 5 candidates by meaning (is the needed content realistically on the frame, does it fit the mood of the scene). Limit of 3 steps per scene: found a suitable one — stop; if nothing fits after checking — the code takes a more general photo by a simplified query (it will definitely be found) with enhanced movement. ALL frames are checked (the price difference is negligible, and quality is more important). Candidate selection rules (scorer) — to take good, not junk Relevance to the query (position in the source output) — main weight. Not used before — checked against a local database of used ones, do not repeat clips in my videos. Format — horizontal 16:9 prioritized. Quality — DIFFERENT for the type of source: modern stocks (Pexels/Pixabay) — filter out low quality, require HD; historical archives — low threshold/off, DO NOT lose film and documentary frames, even low resolution (their value is in the material itself, not in clarity). Clip length (for video) — is it enough to cover the scene. Diversity — do not take many identical frames in a row from one source, mix sources (so that the video sequence is diverse, not from one archive). Uniqueness (fewer matches with others' videos) Randomization of output (random from top-N, not always the first), search depth, local database of used ones (do not repeat clips in my videos), optionally — light processing of the clip (crop/mirror/speed). When unused frames for the query run out: the code first expands the search (other sources, deeper into the output, rephrasing the query). If that is exhausted — allows repeating previously used ones by priority: first those taken long ago (not in the latest videos), with mandatory processing for visual distinction. The video should not stall due to lack of material. Sources (all free, with API) Modern video + photo: Pexels, Pixabay. Historical / archival (public domain): Wikimedia Commons, Archive.org, Library of Congress, Europeana, NASA, Smithsonian Open Access, Flickr Commons, openverse. Each source is a separate module, easy to add a new one. The priority of sources depends on the topic (historical → archives first; modern → stocks first), configured in the settings. Only public domain / free licenses with the right to commercial use. No parsing of others' YouTube/sites, film clips, images "from Google". Video sequence rules Intro teaser (first 60 sec): a montage of the most striking frames from the entire video (scenes with the highest importance rating, where there is video) under a separate text-introduction from Claude ("in this video you will learn..."), frames without explanations — as intrigue. Then transition and main part. Alternation: video insert at least every ~6 sec, cannot have many photos in a row. Video share: at least ~40% of the time — live clips, the rest — photos with movement. Frame length: 4-6 sec. Do not flicker, do not hold static for long. For purely historical topics, where there is no video — photos with enhanced movement (zoom + panorama). Options (on/off in settings) Only photos — video purely from photos, without clips. Each photo must have movement (zoom/pan) — no static "dead" frames even in this mode. No voiceover — video is assembled by text without generating voice (the code does not call ElevenLabs). Otherwise — voiceover is done automatically. Atmospheric overlay (light leaks / dust & bokeh particles / film grain) — a semi-transparent layer with floating particles/light/easy fog over the video sequence, to make the frames look alive. Set 5-8 ready overlays to choose from; adjust transparency with a slider (0-100%); can also be applied to already finished video separately. Free overlays: Pexels, Pixabay, Mixkit, Videezy. Subtitles (embed or separate .srt). Clip processing for uniqueness. Resolution/format, video length, video share, search depth, number of candidates (default 5). LLM savings (set by default) Models — Claude (Anthropic API), separately for two tasks, parameter in settings: frame checking/selection (frequent operation) → Claude Haiku — cheap, analyzes still frames (images), for "suitable/not suitable" evaluation this is enough; script generation and breakdown (rare operation) → Claude Sonnet — for text quality. One API key for Claude gives access to all models (Haiku, Sonnet, etc.) — separate subscriptions are not needed. The model for each task can be changed in settings, without editing code. If no model is selected — the default model is used (does not break). Images are sent as previews of medium resolution (~512-768px on the long side) — sufficient for Claude to confidently recognize the content and assess its relevance to the scene. Do not send originals in full resolution (extra tokens), but also DO NOT reduce to the point of losing details — priority is on accuracy of assessment, savings are secondary. Preview resolution is a parameter in settings. Number of candidates per frame — parameter (default 5). Disk space management After assembly, all intermediate files (downloaded clips, temporary pieces) are automatically deleted — only the finished MP4 remains. The used database (list of clip IDs) is NOT included in auto-cleaning — this is a small text file, stored permanently. Only heavy media files are cleaned, not usage history. Cache limit (parameter, e.g. 5 GB): when exceeded, the oldest files are deleted. Folders for finished videos and temporary files are set in settings. Display of occupied space + "clear cache" button. Technical requirements Python. Modular structure (sources and LLM — interchangeable modules, to easily replace/add). All API keys are entered through the interface (section "Settings"), stored in the config, not in the code. Simple window (GUI — Tkinter/PyQt to choose), launched by double-click. All work is done through the interface (buttons, fields, sliders), without editing code. README (installation, keys, launch), clear logs, comments in the code. Interface (menu and control) Program with a side menu. Sections: New video — mode "generate by topic" OR "insert your script" (switch), voice selection, length, options, "Create" button. During assembly — progress screen by steps (script → voiceover → frame selection → assembly). My videos — list of finished videos. Voices — list of voices from ElevenLabs. Sources — list of all connected archives: shows added ones, can enable/disable each, set priority, and add your new source if you have its API key. Here also — source keys where registration is needed (Pexels, Pixabay, Europeana). Overlays — selection of atmospheric overlay and transparency. Settings — section "API keys" (Claude, ElevenLabs, etc. in one place), selection of Claude models, folders, resolution/format, cache limit. Clear cache — free up space. All keys and settings are entered through the interface, not through files/code. Result delivery All source code in open form (without obfuscation) + assembled working version. I can run it myself from the sources according to the instructions. The code is clean and understandable, so any other programmer can continue. All rights to the code after payment — mine. What I provide API keys (Claude, ElevenLabs, and sources where registration is needed). I pay for the paid ones myself. Examples of video references and topics for tests. Acceptance (ready if) I run → window → I enter the topic, choose a voice → "Create" → I receive a ready MP4. Video sequence according to the meaning of the text, alternation of video/photos, intro teaser 60 sec, voiceover on top. Works with at least 6 free sources, search across all at once + candidate selection. Frame selection: top-5 candidates from the code → selection of the best through Claude (for video — by still frames), limit 3 steps. Quality threshold depends on the source (archives — do not lose film frames).

Trzeba zdalnie skonfigurować parser (przez Anydesk lub TeamViewer), coś się zepsuło i nie działa poprawnie. Głównie wymiana startowych linków i konfiguracja parsera. Strona https://dveri-pol.com/

# Przegląd projektu Premium Haztrak to nowoczesna platforma zgodności środowiskowej zaprojektowana w celu pomocy organizacjom w zarządzaniu śledzeniem odpadów niebezpiecznych, elektronicznymi przepływami manifestów oraz rejestrami zgodności regulacyjnej w sposób bardziej bezpieczny, przejrzysty i prawnie obronny, specjalnie zaprojektowana dla Biura Głównego Radcy Prawnego, Departament Ochrony Środowiska PA, USA. Platforma opiera się na śledzeniu odpadów niebezpiecznych od kolebki do grobu, umożliwiając generatorom, przewoźnikom, obiektom, zespołom ds. zgodności oraz profesjonalistom prawnym zarządzanie kluczowymi rejestrami, wydarzeniami wysyłki, dokumentami wspierającymi, podpisami, korektami i historią audytów w jednym uporządkowanym systemie. W następnej fazie projektu wprowadzona zostanie weryfikacja oparta na blockchainie, aby wzmocnić integralność rejestrów, łańcuch dowodów oraz gotowość do audytów regulacyjnych bez narażania wrażliwych danych dotyczących zgodności na blockchainie. # Status bieżącej wersji Bieżąca wersja stanowi podstawę dla elektronicznego śledzenia odpadów niebezpiecznych i demonstruje, jak system cyfrowy może wspierać przepływy pracy związane z e-manifestem EPA i RCRAInfo. Na tym etapie platforma koncentruje się na podstawowym zarządzaniu rejestrami odpadów niebezpiecznych, w tym na przepływach pracy związanych z manifestami, koncepcjach śledzenia wysyłek, dokumentacji zgodności oraz wzorcach integracji do pracy z oficjalnymi systemami środowiskowymi. Bieżący system powinien być traktowany jako warstwa bazowa dla bardziej zaawansowanego produktu zgodności. Celem teraz jest rozszerzenie go na wersję premium z silniejszymi możliwościami prawnymi, audytowymi i weryfikacyjnymi. # Nowe cele integracji Głównym ulepszeniem będzie warstwa weryfikacji zgodności oparta na blockchainie. Ta warstwa blockchain nie będzie przechowywać prywatnych rejestrów odpadów niebezpiecznych bezpośrednio na blockchainie. Zamiast tego system wygeneruje dowody kryptograficzne dla ważnych dokumentów i wydarzeń, a następnie zakotwiczy te dowody w blockchainie, aby rejestry mogły być później niezależnie weryfikowane. # Kluczowe punkty integracji obejmują: Dowód manifestu oparty na blockchainie Śledzenie łańcucha dowodów z widocznymi śladami manipulacji Haszowanie dokumentów, podpisów, korekt i wydarzeń wysyłki Weryfikowalne dzienniki audytowe do przeglądów regulacyjnych i prawnych Generowanie pakietów dowodowych dla sporów, audytów lub dochodzeń Bezpieczne przechowywanie danych poza łańcuchem dla wrażliwych informacji Odniesienia do dowodów na blockchainie dla weryfikacji integralności rejestrów Panel zgodności dla rejestrów wysokiego ryzyka, niekompletnych lub spornych Podstawowe funkcje produktu Premium Haztrak powinien obejmować: Zarządzanie manifestami i wysyłkami Zarządzanie organizacją i rolami użytkowników Przesyłanie dokumentów i przechowywanie rejestrów Śledzenie podpisów i zatwierdzeń Historia korekt i sporów Oś czasu łańcucha dowodów Generowanie dowodów blockchain Strona weryfikacyjna dla dokumentów i rejestrów Eksport PDF gotowy do audytu Generowanie pakietów dowodowych Panel aktywności zgodności Koncepcja integracji blockchain Komponent blockchain będzie działał jako warstwa dowodowa. Gdy wystąpi krytyczne zdarzenie, takie jak utworzenie, podpisanie, skorygowanie, odebranie lub sfinalizowanie manifestu, system wygeneruje hasz tego zdarzenia lub dokumentu. Te hasze mogą być grupowane i zakotwiczone w blockchainie za pomocą inteligentnego kontraktu lub rejestru weryfikacji. To pozwala użytkownikowi, audytorowi, prawnikowi lub regulatorowi później potwierdzić, czy rejestr odpowiada oryginalnej zweryfikowanej wersji. Prywatne dane pozostają chronione w bazie danych aplikacji lub bezpiecznym przechowywaniu. Blockchain przechowuje tylko dowody weryfikacji. # Wartość produktu Premium Haztrak poprawia zgodność środowiskową, czyniąc rejestry: Bardziej śledzone Bardziej wiarygodne Łatwiejsze do audytowania Łatwiejsze do weryfikacji Lepiej przygotowane do przeglądów prawnych Bardziej odporne na manipulacje lub nieudokumentowane zmiany Produkt jest szczególnie przydatny dla organizacji, które potrzebują silnej dokumentacji, niezawodnej historii zgodności i obronnych rejestrów w przypadku audytów, pytań dotyczących egzekwowania, sporów lub postępowań sądowych. # Wizja długoterminowa Długoterminowa wizja Premium Haztrak to stać się zaufaną cyfrową warstwą zgodności dla rejestrów środowiskowych. Rozpoczynając od śledzenia odpadów niebezpiecznych i elektronicznych przepływów manifestów, platforma może później rozszerzyć się na szersze obszary zgodności środowiskowej, takie jak pozwolenia, inspekcje, rejestry remediacji, dokumentacja egzekwowania, raportowanie ESG i weryfikacja kredytów węglowych. Celem Premium Haztrak jest proste: Uczynić rejestry zgodności środowiskowej bezpiecznymi, śledzonymi, weryfikowalnymi i prawnie obronnymi.

Potrzebne jest stworzenie nowoczesnego sklepu internetowego z zabawkami na WordPress (WooCommerce). Główne wymagania: - Responsywny design dla komputerów, tabletów i smartfonów. - Katalog produktów z kategoriami, filtrami i wyszukiwarką. - Strony produktów z opisem, zdjęciami, specyfikacjami i ceną. - Koszyk i składanie zamówienia. - Integracja popularnych metod płatności i dostawy. - Konto osobiste klienta. - Wygodny panel zarządzania do dodawania i edytowania produktów. - Podstawowa optymalizacja SEO i wysoka prędkość ładowania strony. - Ustawienia zabezpieczeń, kopii zapasowej i SSL. Preferowane jest użycie nowoczesnego, lekkiego motywu lub stworzenie indywidualnego designu. Po zakończeniu pracy należy dostarczyć krótką instrukcję obsługi strony.

Potrzebne jest zebranie danych dotyczących kupujących i sprzedających dzieła sztuki. Interesują nas bazy danych stron Ebay oraz specjalistycznych światowych stron poświęconych sztuce.