Budżet: 2000 UAH Termin: 2 dni
Dzień dobry! Zrobię parser w Pythonie + BeautifulSoup — zbierze nazwy, oceny, liczbę recenzji Google i Tripadvisor, a także linki do lokali z całej sekcji i wszystkich stron paginacji. Wynik — schludny plik Excel, gotowy do pracy.
Budżet: 1600 UAH Termin: 3 dni
Dzień dobry. Koszt zależy od tego, czy potrzebujesz danych, czy samego parsera. Podaję koszt za parser, za dane prawdopodobnie będzie więcej.
Budżet: 2000 UAH Termin: 2 dni
mogę to zrobić dzisiaj-jutro
______________________________________
Budżet: 2000 UAH Termin: 7 dni
Cześć, pracowałem nad parserem do zbierania danych z witryn restauracyjnych - zebrałem informacje o 2500+ lokalach z ocenami i recenzjami w ciągu 3 dni.
Czy należy również zbierać dodatkowe informacje o lokalach, takie jak adresy, telefony czy godziny otwarcia?
Proponuję się skontaktować, bezpłatnie doradzę Ci z technicznej strony i opracujemy plan rozwoju + opowiem o moim zespole!
Budżet: 2000 UAH Termin: 1 dzień
Dzień dobry! Mogę to zrobić od razu. Będę zadowolony ze współpracy — proszę się zgłaszać!
Budżet: 7000 UAH Termin: 7 dni
Najlepiej wykonam to zadanie, ponieważ mam głębokie doświadczenie w parsowaniu skomplikowanych katalogów z dynamiczną treścią, omijaniu zabezpieczeń anty-botowych oraz eksporcie ustrukturyzowanych danych do Excela. Moja architektura gwarantuje maksymalną dokładność: poprawne rozpoznawanie ocen Google/Tripadvisor nawet przy częściowym braku danych, automatyczne przetwarzanie paginacji, unikalność wpisów. Otrzymujesz czysty, gotowy do analizy zestaw danych bez duplikatów i błędów, z wyraźną strukturą kolumn.
Plan pracy:
Analiza struktury strony: badanie HTML-u, wykrywanie selektorów CSS dla nazw lokali, ocen, liczby recenzji, linków, sprawdzenie mechanizmu paginacji.
Ustawienie parsera: wybór stosu technologicznego (Python/Scrapy lub Playwright), konfiguracja zapytań z rotacją User-Agent, przetwarzanie dynamicznie ładowanych bloków.
Realizacja zbierania danych: wyciąganie nazw restauracji, parsowanie ocen i liczby recenzji z bloków Google i Tripadvisor, zapisywanie bezpośrednich linków do stron lokali.
Przetwarzanie i walidacja: filtrowanie wpisów z brakującymi wartościami, normalizacja formatów liczb, sprawdzenie duplikatów według linku.
Eksport do Excela: tworzenie tabeli z kolumnami nazwa, link, ocena Google, recenzje Google, ocena Tripadvisor, recenzje Tripadvisor, formatowanie dla wygodnej analizy.
Testowanie: uruchomienie na próbnej próbce dzielnic, sprawdzenie dokładności zebranych danych, debugowanie przetwarzania błędów sieciowych i timeoutów.
Budżet: 2000 UAH Termin: 2 dni
Cześć. Jestem gotów do realizacji. Cena: 2.000 UAH. Czas realizacji - 2 dni. Zrobię jakościowy parser, mam ogromne doświadczenie. Proszę o kontakt.
Budżet: 1000 UAH Termin: 1 dzień
Dzień dobry, piszę w imieniu firmy Devoxen. Specjalizujemy się w podobnych zadaniach. Mamy duże doświadczenie w tworzeniu parserów, zbieraniu i przetwarzaniu danych z witryn, w tym w skomplikowanych przypadkach z dynamiczną treścią i dużą liczbą stron. Będziemy w stanie zrealizować parser dla Restaurant Guru, zbierający nazwy lokali, oceny oraz liczbę recenzji Google i Tripadvisor, a także linki do stron restauracji z automatycznym zapisywaniem wyników w Excelu.
Możemy również zrealizować skalowanie dla różnych miast/kategorii, filtrację, ochronę przed blokadami oraz możliwość dalszej automatycznej aktualizacji danych.
Możemy to zrobić bez zbędnych pytań i marnowania czasu. Dajemy również gwarancję oraz wsparcie na życzenie. Będziemy mogli zająć się Państwa projektem od razu po omówieniu specyfikacji.
Proponuję przejść do wiadomości prywatnych w celu bardziej szczegółowej rozmowy.
Budżet: 1500 UAH Termin: 1 dzień
Cześć! Gotowy do współpracy. Mam doświadczenie w parsowaniu danych. Oferuję wysoką jakość i szybką pracę. Piszcie)
Yehor I.
Oferta, która wygrała- Zlecenia 84
- Ocena 5.0
- Ranking 3 409
Budżet: 1000 UAH Termin: 3 dni
Gotowy, aby się tym zająć. Należy wyjaśnić szczegóły zamówienia, pisz! Używam python, uv, github, docker.
Budżet: 2000 UAH Termin: 2 dni
Napiszę parser w Pythonie, który zbierze wszystkie potrzebne dane w Excelu na podstawie podanego przez Państwa linku do odpowiedniej sekcji.
Budżet: 1000 UAH Termin: 1 dzień
Cześć! Jestem gotów pomóc w Twoim projekcie. Mam duże doświadczenie w programowaniu i mogę zrealizować wszystkie niezbędne komponenty zgodnie z Twoją dokumentacją. Gwarantuję wysoką jakość wykonania w ustalonym terminie.
Budżet: 1000 UAH Termin: 2 dni
Jestem gotów wykonać twoje zadanie, pisz, aby omówić szczegóły.
Budżet: 2000 UAH Termin: 2 dni
Dzień dobry, jestem gotów wykonać zadanie. Jedyna kwestia - parser ma działać na Państwa komputerze czy na serwerze?
Budżet: 5000 UAH Termin: 2 dni
Zrobię na Pythonie + Playwright (do omijania zabezpieczeń), zbiorę nazwy, oceny i liczbę recenzji Google i Tripadvisor, linki do stron — wszystko w .xlsx. Logika paginacji włączona, aby objąć cały dział.
Mam gotowy szablon parsera pod podobne strony z omijaniem blokad, więc szybko dostosuję.
Ile lokali orientacyjnie w docelowym dziale i czy potrzebny jest cron do regularnej aktualizacji, czy jednorazowe zbieranie?
Budżet: 2000 UAH Termin: 2 dni
Dobry wieczór, mogę zebrać niezbędne dane na twoje zapytanie. Napisz do mnie na prywatnej wiadomości, omówimy.
Budżet: 10000 UAH Termin: 10 dni
Dzień dobry. Jeśli ważne są tylko dane z witryny - mogę napisać konsolowy parser - wyniki będą przechowywane w pliku Excel. Czy trzeba zbierać z całej witryny, czy z jakiejś sekcji?
Budżet: 3000 UAH Termin: 3 dni
Dzień dobry! Mogę stworzyć taki parser
Będzie zbierał:
nazwę lokalu;
ocenę i liczbę recenzji Google;
ocenę i liczbę recenzji Tripadvisor;
link do lokalu;
zbiór ze wszystkich stron kategorii;
eksport do Excela.
Zrealizuję to w Pythonie. W razie potrzeby dodam proxy, antyban i automatyczne uruchamianie.
Na początek proszę tylko o wyjaśnienie:
czy parser potrzebny jest jednorazowo, czy do regularnego użytku?
czy uruchomienie będzie lokalnie, czy na serwerze?
Budżet: 2000 UAH Termin: 1 dzień
Witam, mogę pomóc rozwiązać Twój problem) zrobimy to szybko i bez problemów)
Oferty ukryte
Aktualnie brak ofert
-
Yaroslav Y. 11 majaУточніть, Вам потрібна послуга парсингу (разово зібрати дані) чи автономний парсер, який ви самостійно будете запускати?
Aktualne zlecenia dla freelancerów w kategorii Parsowanie danych
Dzień dobry! Należy wykonać dwa zadania: 1. Opracować parser produktów z zewnętrznej strony (10–40 tys. pozycji, marketplace) z zachowaniem zorganizowanych danych w MySQL do późniejszego wyświetlenia w WordPressie. 2. Zainstalować i skonfigurować n8n na VPS, a także zorganizować przetwarzanie treści AI: konfiguracja promptów, przeredagowanie tekstów, przetwarzanie obrazów, optymalizacja SEO i sprawdzanie tekstów pod kątem detekcji AI. Można oszacować koszt realizacji zarówno całego projektu, jak i każdego zadania osobno. .
Trzeba wykonać parsowanie z kanałów Viber (Łączna liczba - 49 kanałów, około 80 tys. subskrybentów).
Dla istniejącego systemu mikroserwisowego wymagana jest opracowanie niezależnej usługi do przetwarzania plików Excel. Zadanie polega na stworzeniu niezawodnego procesu przyjmowania, walidacji i transformacji danych z tabel do zorganizowanego formatu bazy danych. Funkcjonalne zadania: Opracowanie API opartego na gRPC do odbierania poleceń przetwarzania i zwracania statusów wykonania. Realizacja logiki parsowania plików: odczyt dużych ilości danych (XLSX), czyszczenie, sprawdzanie typów i przekształcanie do modeli biznesowych. Realizacja warstwy dostępu do danych (Repository/Unit of Work) do zapisywania wyników w PostgreSQL za pomocą Entity Framework Core. Zapewnienie bezpieczeństwa wątków i efektywnego wykorzystania zasobów (szczególnie przy przetwarzaniu dużych plików). Wymagania techniczne: Platforma: .NET 10. Wzorce architektoniczne: Dependency Injection, CQRS, modułowa architektura projektu. Komunikacja: Wyłącznie gRPC. Praca z Excelem: Wykorzystanie wydajnych bibliotek (np. EPPlus, OpenXML lub analogi według wyboru). Modularność: Kod powinien być zorganizowany w sposób umożliwiający łatwe skalowanie usługi i testowanie. Oczekiwany rezultat: W pełni działający mikroserwis, gotowy do wdrożenia w środowisku kontenerowym. Czysta baza kodu z przestrzeganiem zasad SOLID. Udokumentowane pliki .proto. Podstawowe testy jednostkowe dla krytycznych punktów przetwarzania danych. Wymagania dla kandydata: W odpowiedzi proszę podać: Twoje doświadczenie w pracy z .NET w architekturze mikroserwisowej. Przykłady tego, jak organizujesz DI i modularność w swoich projektach. Doświadczenie w pracy z bibliotekami Excel w .NET. Gotowość do pracy na podstawie kontraktów gRPC.
Dzień dobry. Potrzebny parser według słów kluczowych z wyświetlaniem wyników przez bota Telegram. Jak to ma działać: Automatyczne wyszukiwanie na 4 stronach według słów kluczowych, które czasami się zmieniają. Zapytania są wysyłane co kilka minut. Słowa są ładowane w formie pliku .txt. TG powinien zawierać przyciski: uruchom bota, zatrzymaj bota, pobierz plik (pobiera plik z aktualnymi słowami kluczowymi), załaduj plik (ładuje edytowany plik z nowymi słowami). Bots powinien ignorować wcześniej znalezione wyniki, tzn. nie wskazuje tego samego ogłoszenia dwa razy. Wynik przychodzi do bota w formie linku z zdjęciem, ale wystarczy też sam link. P.S. wyszukiwanie na stronach bez API, VPS na 6TB i 50 IP już są dostępne. Po szczegółowe informacje proszę kontaktować się na PW.
Zadanie: jeden dashboard ze wszystkimi wskaźnikami biznesowymi — reklama, lejek, płatności, praca menedżerów, planowanie przychodu. Dane są pobierane automatycznie przez API. Zakres: tylko kierunek YCL (zatrudnienie w Europie). W Kommo są też inne kierunki — do magazynu trafiają tylko transakcje z lejek YCL (filtr według lejka/tagu ustalimy).1. Źródła danych (integracje) Kommo CRM — leady, transakcje, etapy lejka, odpowiedzialni, źródła, daty przejść między etapami (koniecznie zachować historię), przyczyny odmowy, pola niestandardowe transakcji (patrz p. 2). Stripe — płatności, kwoty, statusy (sukces/odmowa/zwrot), powiązanie z transakcją. Meta Ads — wydatki, wyświetlenia, kliknięcia, CPL, leady według kampanii (działa teraz). Google Ads, Reddit Ads, LinkedIn Ads — planowane; architektura — rozszerzalne konektory bez przeróbek rdzenia. SEO/organika— Google Search Console + GA4. Przeszły związek: źródło ruchu → lead w Kommo → płatność w Stripe (UTM, ID transakcji w metadanych Stripe — mechanikę zaproponować). 2. Obowiązkowe przekroje (pola transakcji w Kommo) Każda metryka musi być filtrowana/grupowana według: Obywatelstwo klienta (Kenia, Nigeria, Indie itp.). Status pobytu: mieszka w swoim kraju / ekspat (już przebywa w Europie). To dwa różne segmenty z różnym cyklem, konwersją i wartością transakcji. Kraj umiejscowienia / usługa: Polska, Serbia, Słowacja, Niemcy (ZAV). Menedżer, zespół, kanał ruchu, okres. Jeśli jakichś pól w Kommo brakuje — wykonawca wskazuje, jakie pola należy dodać, zamawiający dodaje.3. Lejek i wskaźniki wyprzedzające Dane w przekroju lejka, dla każdego etapu — podsumowujące i wyprzedzające (leading) metryki: Ruch → lead: leady, CPL według kanałów + dynamika wydatków/kliknięć dzień do dnia. Lead → kwalifikacja: konwersja + czas pierwszej odpowiedzi, kontakty/telefony do menedżera dziennie, leady bez odpowiedzi. Kwalifikacja → umowa/faktura: konwersja + wysłane oferty, zawieszone transakcje (dni na etapie powyżej normy). Faktura → płatność: płatności, średnia wartość transakcji + niezapłacone faktury, nieudane płatności. Podsumowanie: przychód, ROMI według kanałów, run rate do planu miesiąca. 4. Cykl transakcji Średni i medianowy cykl lead → płatność (punkt odniesienia biznesu ~4 tygodnie), trend cyklu w czasie. Rozkład cyklu według etapów (ile dni transakcja spędza na każdym etapie) — aby zobaczyć, który etap się wydłuża. Lista transakcji, które utknęły na etapie dłużej niż norma. Przekrój cyklu według segmentów: obywatelstwo, status pobytu, kraj umiejscowienia, menedżer. 5. Wczesne ostrzeżenie o spadku (kluczowy blok) Ponieważ cykl ~4 tygodnie, dzisiejsze leady = płatności za miesiąc. System powinien: Porównywać leady/kwalifikacje bieżącego tygodnia z średnią ruchomą (4 tygodnie) i przy odchyleniu w dół wydawać alert: „leadów −X%, przy cyklu 4 tygodnie oczekuj spadku płatności w tygodniu [daty]”. Budować prognozę płatności na 4 tygodnie do przodu z bieżącego pipeline'u: transakcje na każdym etapie × historyczna konwersja etapu × pozostały cykl. Podświetlać na czerwono tygodnie, gdzie prognoza jest niższa od planu — z zapasem czasu na reakcję. 6. Dopłaty i planowanie sprzedaży W karcie transakcji Kommo przechowywane są data i kwota planowanej dopłaty. System powinien: Zbierać kalendarz przyszłych dopłat: całkowita liczba oczekiwanych, według tygodni/miesięcy. Podświetlać przeterminowane dopłaty (data minęła, brak płatności w Stripe) — osobna lista do dociśnięcia. Liczyć plan miesiąca jako: plan − już opłacone − dopłaty zgodnie z harmonogramem = ile nowych sprzedaży potrzebnych (w pieniądzach i w sztukach transakcji przy średniej wartości transakcji). Harmonogram według tygodni: dopłaty + prognoza nowych płatności w stosunku do tygodniowego planu. 7. Praca menedżerów Dzienny przekrój dla każdego menedżera: kontakty/telefony, rozmowy, wysłane oferty, płatności — dla każdego dnia osobno, z wykresem za okres. Postęp realizacji osobistego planu w porównaniu z tempem miesiąca (na przodzie / w tempie / w tyle). Benchmarking z kolegami. 8. Wizualizacja i role „Sygnalizatory” (zielony/żółty/czerwony) w kluczowych metrykach w odniesieniu do norm/planu; skale postępu; wykresy trendów; adaptacja do urządzeń mobilnych. Role: CEO — wszystko; ROP — cały lejek i menedżerowie; team lead — swój zespół; menedżer — swoje wskaźniki i pozycja w stosunku do kolegów. 9. Raporty i AI Automatyczne raporty według harmonogramu (codzienne podsumowanie, tygodniowy raport) w dashboardzie i/lub komunikatorze. Zapytania w dowolnej formie („jak zmienił się CPL z Meta w ciągu 2 tygodni?”) — LLM nad magazynem. Alerty w strefie czerwonej oraz według zasad z p. 5–6. 10. Oczekiwania techniczne i etapowość Magazyn (PostgreSQL/BigQuery lub analog) + ETL: webhooks Kommo + okresowa synchronizacja (15–60 min). Frontend: niestandardowy lub narzędzie BI — zaproponować z uzasadnieniem; wymagania dotyczące ról, sygnalizatorów, prognoz i zapytań AI muszą być wykonalne. Etapy: (1) audyt i mapa metryk → (2) MVP: Kommo + Stripe + Meta, lejek, sygnalizatory, role → (3) cykl transakcji, wczesne ostrzeżenie, dopłaty i plan → (4) SEO, raporty AI, alerty → (5) nowe kanały reklamowe. Płatność etapowa, po każdym etapie — demo. W odpowiedzi proszę wskazać: podobne projekty (analiza przeszła), stack z uzasadnieniem, oszacowanie czasów i kosztów według etapów, miesięczny koszt posiadania (hosting, tokeny, licencje).