Dmytro B.

Запропонуйте Dmytro роботу над вашим наступним проєктом або зареєструйте профіль фрилансера і починайте заробляти просто зараз.

Запоріжжя, Україна

1 місяць 29 днів тому

вільний для роботи

вік 40 років

на сервісі 2 місяці 12 днів

Рейтинг

Успішних проєктів

Середня оцінка

Рейтинг

Python

560 місце з 4457

Парсинг даних

204 місце з 767

Резюме

Розробляю парсери, автоматизацію та інструменти на Python під задачі бізнесу.

Працюю з:

- парсингом сайтів, каталогів і реєстрів

- збором телефонів, email і даних компаній

- автоматизацією дій у браузері (Selenium)

- обробкою Excel і баз даних

- інтеграцією AI (аналіз тексту, генерація описів)

Роблю не шаблонні скрипти, а робочі рішення під конкретну задачу.

Приклади робіт:

dibara512.github.io/my-site

Навички та вміння

Програмування

Інструмент автоматизації роботи з Telegram

Python

Розроблено Python-інструмент для автоматизації взаємодії з Telegram через зручний графічний інтерфейс.
Система дозволяє працювати зі списком отримувачів, відправляти текстові повідомлення та вкладення (зображення, файли), а також керувати процесом відправки.
Функціонал:
- робота зі списками отримувачів (вибір, фільтрація)
… - масова відправка повідомлень
- підтримка вкладень (файли, зображення)
- вставка даних з буфера обміну
- логування та контроль процесу
- використання затримок між відправками для стабільної роботи
Рішення дозволяє автоматизувати рутинні задачі комунікації та підвищити ефективність роботи з великою кількістю контактів.
Використані технології: Python, Telethon, Tkinter, Pillow.
Інструмент автоматизації роботи з Google Ads апеляціями

Python

Розроблено Python-інструмент для автоматизації підготовки апеляцій у Google Ads.
Система дозволяє за назвою акаунта автоматично отримувати необхідні дані, підставляти їх у шаблон та формувати готовий текст апеляції.
Функціонал:
- автоматичне отримання даних з Google Sheets
… - пошук потрібного акаунта та витягування параметрів
- підстановка даних у шаблон апеляції
- автоматичне формування готового тексту
- збереження результату у файл
- зручний GUI для швидкої роботи
Інструмент значно пришвидшує підготовку апеляцій та мінімізує ручну роботу при обробці великої кількості акаунтів.
Використані технології: Python, requests, SQLite, Excel, Tkinter.
Інструмент перевірки сайтів для запуску реклами

Python

Розроблено Python-інструмент для швидкого аналізу сайтів перед запуском рекламних кампаній.
Система дозволяє перевіряти до 10 сайтів одночасно та визначати наявність ризикового або забороненого контенту (gambling, adult, finance та інші категорії) на основі заданих тригерів.
Функціонал:
- масова перевірка сайтів
… - визначення рівня ризику (SAFE / MEDIUM / HIGH)
- пошук заборонених тематик у контенті
- обробка кількох сторінок одного сайту
- зручний GUI-інтерфейс для швидкої роботи
Рішення орієнтоване на попередню перевірку сайтів перед запуском реклами та роботу з великим обсягом даних.
Використані технології: Python, requests, BeautifulSoup, Tkinter.
Система аналізу та перевірки веб-сайтів

Python

Розроблено Python-інструмент для автоматизованого аналізу веб-сайтів та оцінки їх якості.
Система обробляє список сайтів, перевіряє доступність, редиректи, HTTPS, структуру сторінок та кількість внутрішніх посилань. Додатково реалізовано модуль аналізу контенту з визначенням ризиків за ключовими категоріями.
Особливості рішення:
- паралельна обробка великої кількості сайтів
… - контроль часу виконання та примусове завершення завислих процесів
- обробка блокувань, редиректів та нестабільних відповідей
- аналіз структури сайту (внутрішні сторінки, sitemap)
- визначення ризиків контенту (SAFE / MEDIUM / HIGH)
Рішення орієнтоване на перевірку сайтів перед запуском рекламних кампаній та роботу з великими обсягами даних.
Використані технології: Python, multiprocessing, requests, BeautifulSoup, pandas.
Парсер державного реєстру компаній (Selenium + обход обмежень)

Python

Розроблено Python-інструмент для автоматизованого збору даних про компанії США з відкритих державних реєстрів.
Система виконує масовий пошук компаній, обробляє результати, знаходить точні співпадіння та витягує ключові реєстраційні дані з подальшим збереженням у Excel.
У процесі розробки враховано особливості доступу до веб-ресурсів:
- робота в середовищах з обмеженим доступом та захистом сторінок
… - стабільна взаємодія з сайтами, що використовують системи перевірки трафіку (зокрема Cloudflare)
- використання ізольованого браузерного профілю та мережевих налаштувань (VPN) для забезпечення стабільного доступу
- обробка динамічних сторінок та JavaScript-інтерфейсів
- коректна навігація та повторні спроби при нестабільній відповіді
Рішення забезпечує стабільний збір даних навіть у складних умовах доступу та дозволяє ефективно працювати з великими обсягами інформації.
Використані технології: Python, Selenium, Excel.
Система управління базою даних компаній (Python + Firebird)

Python

Розроблено систему для автоматизованого створення та управління базою даних компаній.
Рішення включає:
- автоматичне створення структури БД (таблиці, зв’язки, тригери, генератори)
- реалізацію хранимих процедур для додавання, редагування та видалення даних
… - імпорт даних з Excel у базу з перевіркою на дублікати
- побудову зв’язків між таблицями (Foreign Keys)
- автоматичний backup та restore бази даних
Система дозволяє ефективно структурувати та зберігати дані про компанії, автоматизувати обробку інформації та спрощує роботу з великими обсягами даних.
Використані технології: Python, Firebird SQL, pandas, робота з Excel.
Система збору та аналізу даних про компанії

Python

Розроблено Python-рішення для автоматичного пошуку та збору інформації про компанії з бізнес-каталогу DNB і корпоративних сайтів. Система виконує пошук компаній за ключовим словом і країною, обробляє результати посторінково, переходить у профіль компанії та збирає основні дані: назву, сайт, адресу, галузі, тип компанії та DUNS. Також реалізовано пошук телефонів на сайті компанії, включно з контактними сторінками, JSON-LD і структурованими елементами сторінки. Окремо додано автоматичне формування короткого опису діяльності компанії за допомогою Groq AI та експорт усіх результатів у Excel. У рішенні використано Python, requests, BeautifulSoup, pandas, API Groq, retry-логіку та обробку помилок для стабільної роботи з великою кількістю даних.