FInished work

(Too lazy to split by commits)

.dockerignore

@@ -0,0 +1,6 @@
+.~lock*
+**.mypy_cache/
+**.venv/
+**__pycache__/
+*.docx
+data*.csv

.env.example

@@ -0,0 +1,5 @@
+REFETCH_PERIOD_H=6
+POSTGRES_USER=rosseti
+POSTGRES_PASSWORD=rosseti
+POSTGRES_DB=rosseti
+POSTGRES_HOST=db

.vscode/launch.json

@@ -0,0 +1,15 @@
+{
+    // Use IntelliSense to learn about possible attributes.
+    // Hover to view descriptions of existing attributes.
+    // For more information, visit: https://go.microsoft.com/fwlink/?linkid=830387
+    "version": "0.2.0",
+    "configurations": [
+        {
+            "name": "Python: Module",
+            "type": "python",
+            "request": "launch",
+            "module": "parser",
+            "justMyCode": true,
+        }
+    ]
+}

Dockerfile

@@ -0,0 +1,7 @@
+FROM python:3-slim
+WORKDIR /srv
+COPY requirements.txt .
+RUN pip install --no-cache-dir --upgrade -r requirements.txt
+COPY ./parser_api ./parser_api
+COPY ./rosseti_parser ./rosseti_parser
+CMD python -m uvicorn parser_api.main:app

README.md

@@ -1,82 +1,29 @@
-**СПБ ГУП «ИАЦ»**
+# СПБ ГУП «ИАЦ»
 
-**Тестовое задание для Python-разработчика (дата аналитика)**
+## Тестовое задание для Python-разработчика (дата аналитика)
 
-О компании:
+Задание: [Task.md](https://git.dm1sh.ru/dm1sh/iac_test/src/branch/main/Task.md)
 
-Государственное унитарное предприятие, работающее в области
-информатизации и информационного обеспечения органов государственной
-власти Санкт-Петербурга и других организаций, а также предоставления
-услуг в сфере создания и использования современных информационных и
-телекоммуникационных систем, средств и технологий 
+- Скрипт для парсинга и работа с данными: [rosseti_parser](https://git.dm1sh.ru/dm1sh/iac_test/src/branch/main/rosseti_parser)
 
-Более подробно о нас: <https://iac.spb.ru/>
+    Модуль можно запустить командой `python -m rosseti_parser`, или импортировать из него необходимые методы и использовать где-то ещё
 
-Мы на Хабре: <https://career.habr.com/companies/iac-spb>
+- Анализ данных: [main.ipynb](https://git.dm1sh.ru/dm1sh/iac_test/src/branch/main/main.ipynb) 
+    
+    Необходимо скачать (платформа пока не поддерживает отображение ноутбука). Для запуска, установить библиотеки из `requirements.dev.txt`
 
-**Текст задания:**
+- Визуализация: [Yandex DataLens](https://datalens.yandex/kq0ymfuy5w7e9)
+    
+    Простенький дашборд с картой точек, хитмапом и несколькими графиками
 
-**- Парсинг**
+- Создание базы данных, API и docker: [parser_api](https://git.dm1sh.ru/dm1sh/iac_test/src/branch/main/parser_api)
 
-Считывание таблицы с сайта <https://rosseti-lenenergo.ru/planned_work/>
+    FastAPI приложение, запускающее в дополнительном потоке периодическое обновление данных в базе.
 
-![](media/image1.png){width="6.818295056867892in"
-height="2.37117125984252in"}
-
-Фильтр по времени - период текущей недели (текущий день и неделя вперед)
-
--   Успешное чтение необходимых полей на сайте и их сохранение в
-    pandas.DataFrame
-
--   Переключение между страницами и совершение полной выгрузки
-    ![](media/image2.png){width="2.468441601049869in"
-    height="0.49993766404199474in"}
-
--   Настройка автоматического запуска скрипта по расписанию
-
-**- Работа с данными**
-
--   Парсинг столбца Улица (разбиение строки на отдельные адреса)
-
--   Геокод адресов через
-    <https://petersburg.ru/mainPortal/api_services/view/2223> и
-    сохранение building_id найденных зданий
-
--   Запись результата в csv файл
-
-**- Анализ данных и Визуализация**
-
--   Выполнить в свободной форме на основе данных, полученных ранее
-
-В дополнение к скрипту можно сделать дашборд на [Yandex DataLens
-/Grafana](https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwiCrdStlbKBAxViSPEDHcw0B4kQFnoECB0QAQ&url=https%3A%2F%2Fdatalens.yandex.ru%2F&usg=AOvVaw3gsVaz_KTvGMRtFZrsXAGk&opi=89978449)
-
-**\*Создание базы данных**
-
--   Вместо сохранения результата в csv, развернуть базу данных и
-    сохранять результаты в неё (PostgreSQL, Clickhouse, MongoDB)
-
--   (Можно сделать скелет с подключением и записью в бд на локалхосте)
-
-**\*API**
-
--   Написать API к базе данных или csv-файлу на FastAPI
-
-**\*\*Docker**
-
--   Оборачивание всей сделанной работы в docker-compose
-
--   При первоначальной настройке и запуске компоуза парсер начнет
-    работать и собирать данные в БД / csv. Доступ к данным
-    осуществляется по API.
-
-Результаты проделанной работы залить на Github и прислать на
-[tg:Faneagain](https://t.me/faneagain)
-
-//При проблемах с парсингом для выполнения остальных задач можно
-попросить готовый набор данных
-
-Задания помеченные «**\***, **\*\***» будут оцениваться как
-дополнительные.
-
-Удачи!
+    Доступные методы:
+    
+    - GET /api/list - Поиск по каждому полю в отдельности
+    - GET /api/search - Поиск по всем полям сразу
+    - GET /api/check - Проверка, является ли отключение в вашем доме сейчас официальным и если да, то когда сеть снова включат.
+    - PUT /api/create - Отладочное поле для добавления записей в БД
+    - GET / - Healthcheck

Task.md

@@ -0,0 +1,82 @@
+**СПБ ГУП «ИАЦ»**
+
+**Тестовое задание для Python-разработчика (дата аналитика)**
+
+О компании:
+
+Государственное унитарное предприятие, работающее в области
+информатизации и информационного обеспечения органов государственной
+власти Санкт-Петербурга и других организаций, а также предоставления
+услуг в сфере создания и использования современных информационных и
+телекоммуникационных систем, средств и технологий 
+
+Более подробно о нас: <https://iac.spb.ru/>
+
+Мы на Хабре: <https://career.habr.com/companies/iac-spb>
+
+**Текст задания:**
+
+**- Парсинг**
+
+Считывание таблицы с сайта <https://rosseti-lenenergo.ru/planned_work/>
+
+![](media/image1.png){width="6.818295056867892in"
+height="2.37117125984252in"}
+
+Фильтр по времени - период текущей недели (текущий день и неделя вперед)
+
+-   Успешное чтение необходимых полей на сайте и их сохранение в
+    pandas.DataFrame
+
+-   Переключение между страницами и совершение полной выгрузки
+    ![](media/image2.png){width="2.468441601049869in"
+    height="0.49993766404199474in"}
+
+-   Настройка автоматического запуска скрипта по расписанию
+
+**- Работа с данными**
+
+-   Парсинг столбца Улица (разбиение строки на отдельные адреса)
+
+-   Геокод адресов через
+    <https://petersburg.ru/mainPortal/api_services/view/2223> и
+    сохранение building_id найденных зданий
+
+-   Запись результата в csv файл
+
+**- Анализ данных и Визуализация**
+
+-   Выполнить в свободной форме на основе данных, полученных ранее
+
+В дополнение к скрипту можно сделать дашборд на [Yandex DataLens
+/Grafana](https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwiCrdStlbKBAxViSPEDHcw0B4kQFnoECB0QAQ&url=https%3A%2F%2Fdatalens.yandex.ru%2F&usg=AOvVaw3gsVaz_KTvGMRtFZrsXAGk&opi=89978449)
+
+**\*Создание базы данных**
+
+-   Вместо сохранения результата в csv, развернуть базу данных и
+    сохранять результаты в неё (PostgreSQL, Clickhouse, MongoDB)
+
+-   (Можно сделать скелет с подключением и записью в бд на локалхосте)
+
+**\*API**
+
+-   Написать API к базе данных или csv-файлу на FastAPI
+
+**\*\*Docker**
+
+-   Оборачивание всей сделанной работы в docker-compose
+
+-   При первоначальной настройке и запуске компоуза парсер начнет
+    работать и собирать данные в БД / csv. Доступ к данным
+    осуществляется по API.
+
+Результаты проделанной работы залить на Github и прислать на
+[tg:Faneagain](https://t.me/faneagain)
+
+//При проблемах с парсингом для выполнения остальных задач можно
+попросить готовый набор данных
+
+Задания помеченные «**\***, **\*\***» будут оцениваться как
+дополнительные.
+
+Удачи!

docker-compose.yml

@@ -0,0 +1,31 @@
+version: "3"
+services:
+  db:
+    image: postgres
+    ports:
+      - "5432:5432"
+    env_file:
+      - .env
+    volumes:
+      - db_storage:/var/lib/postgresql
+    healthcheck:
+      test: ["CMD-SHELL", "pg_isready -U $POSTGRES_USER"]
+      interval: 5s
+      timeout: 5s
+      retries: 5
+    hostname: "db"
+
+  app:
+    build: .
+    depends_on:
+      db:
+        condition: service_healthy
+    links:
+      - db
+    ports:
+      - "8000:8000"
+    env_file:
+      - .env
+
+volumes:
+  db_storage:

parser/__init__.py

@@ -1,4 +0,0 @@
-from .rosseti import RossetiParser
-from .address import split_addresses
-from .building_id import fetch_builing_ids
-from .preprocess import preprocess_df

parser/building_id.py

@@ -1,25 +0,0 @@
-from __future__ import annotations
-from typing import Optional, Tuple, Any
-
-import requests
-import pandas as pd
-
-
-def get_building_id(row: pd.Series[Any]) -> Optional[Tuple[int, float, float]]:
-    r = requests.get('https://geocode.gate.petersburg.ru/parse/eas', params={
-        'street': row['Улица']
-    })
-
-    res = r.json()
-
-    if 'error' not in res:
-        return (res['Building_ID'], res['Longitude'], res['Latitude'])
-
-    return None
-
-
-def fetch_builing_ids(df: pd.DataFrame) -> pd.DataFrame:
-    df[['Building_ID', 'lng', 'lat']] = df.apply(
-        get_building_id, axis=1, result_type='expand')
-
-    return df

parser/preprocess.py

@@ -1,19 +0,0 @@
-import pandas as pd
-
-
-def preprocess_df(df: pd.DataFrame) -> pd.DataFrame:
-    df['start'] = df['Плановая дата начала отключения электроснабжения'] + \
-        ' ' + df['Плановое время начала отключения электроснабжения']
-
-    df['finish'] = df['Плановая дата восстановления отключения электроснабжения'] + \
-        ' ' + df['Плановое время восстановления отключения электроснабжения']
-
-    df = df.drop(columns=[
-        'Улица',
-        'Плановая дата начала отключения электроснабжения',
-        'Плановая дата восстановления отключения электроснабжения',
-        'Плановое время начала отключения электроснабжения',
-        'Плановое время восстановления отключения электроснабжения'
-    ])
-
-    return df

parser_api/config.py

@@ -0,0 +1,9 @@
+import os
+
+REFETCH_PERIOD_H = int(os.environ.get('REFETCH_PERIOD_H', '4'))
+
+POSTGRES_USER = os.environ.get('POSTGRES_USER', 'rosseti')
+POSTGRES_PASSWORD = os.environ.get('POSTGRES_PASSWORD', 'rosseti')
+POSTGRES_DB = os.environ.get('POSTGRES_DB', 'rosseti')
+POSTGRES_HOST = os.environ.get('POSTGRES_HOST', 'localhost')
+POSTGRES_PORT = int(os.environ.get('POSTGRES_PORT', '5432'))

parser_api/controller.py

@@ -0,0 +1,111 @@
+from typing import List, Optional
+from functools import reduce
+import datetime
+
+from fastapi import HTTPException
+from sqlalchemy import func, True_
+from sqlalchemy.orm import Session
+from sqlalchemy.sql import operators
+from sqlalchemy.sql.expression import BinaryExpression
+
+from . import models, schemas
+
+
+def create_record(db: Session, record: schemas.Record):
+    db_record = models.Record(
+        region=record.region,
+        area=record.area,
+        town=record.town,
+        street=record.street,
+        start=record.start,
+        finish=record.finish,
+        branch=record.branch,
+        res=record.res,
+        comment=record.comment,
+        building_id=record.building_id,
+        lat=record.lat,
+        lng=record.lng,
+    )
+    db.add(db_record)
+    db.commit()
+    db.refresh(db_record)
+
+    return db_record
+
+
+def contains_lower(name, val):
+    if type(val) == str:
+        return getattr(models.Record, name).icontains(val)
+    else:
+        return getattr(models.Record, name) == val
+
+
+def and_if_can(a: BinaryExpression, b: Optional[BinaryExpression]):
+    if b is not None:
+        return a & b
+    else:
+        return a
+
+
+def search_each(db: Session, filters: schemas.RecordRequest) -> List[schemas.Record]:
+    query = None
+
+    if filters.start:
+        query = (models.Record.start <= filters.start)
+    if filters.finish:
+        query = and_if_can(models.Record.finish >= filters.finish, query)
+
+    filters = list(
+        filter(lambda x: x[1] is not None and x[0] not in ('start, finish'), filters))
+
+    query = reduce(lambda acc, ftr: and_if_can(
+        contains_lower(*ftr), acc), filters, query)
+
+    if query is None:
+        res = db.query(models.Record).all()
+
+    res = db.query(models.Record).filter(query).all()
+
+    return res
+
+
+def search_all(db: Session, prompt: str) -> List[schemas.Record]:
+    prompt = prompt.strip()
+
+    query = reduce(lambda acc, name: acc | contains_lower(name, prompt), (
+        'region',
+        'area',
+        'town',
+        'street',
+        'branch',
+        'res'
+    ), contains_lower('comment', prompt))
+
+    res = db.query(models.Record).filter(query).all()
+
+    return res
+
+
+def check_outage(db: Session, building_id: int) -> schemas.CheckResponse:
+    building_query = db.query(models.Record).filter(
+        (models.Record.building_id == building_id))
+
+    if building_query.count() == 0:
+        raise HTTPException(404, 'No such building')
+
+    now = datetime.datetime.now()
+
+    res = building_query.filter(
+        (models.Record.start <= now) &
+        (now <= models.Record.finish)
+    ).first()
+
+    if res is None:
+        return {
+            'is_outage': False
+        }
+
+    return {
+        'is_outage': True,
+        'when_finish': res.finish
+    }

parser_api/database.py

@@ -0,0 +1,31 @@
+from typing import Generator
+import os
+
+from sqlalchemy import create_engine, URL
+from sqlalchemy.ext.declarative import declarative_base
+from sqlalchemy.orm import sessionmaker, Session
+
+from .config import POSTGRES_USER, POSTGRES_PASSWORD, POSTGRES_HOST, POSTGRES_PORT, POSTGRES_DB
+
+engine = create_engine(
+    URL.create(
+        "postgresql+psycopg",
+        username=POSTGRES_USER,
+        password=POSTGRES_PASSWORD,
+        host=POSTGRES_HOST,
+        port=POSTGRES_PORT,
+        database=POSTGRES_DB,
+    ),
+    client_encoding='utf8',
+)
+SessionLocal = sessionmaker(autocommit=False, autoflush=False, bind=engine)
+
+Base = declarative_base()
+
+# Dependency
+def get_db() -> Generator[Session, None, None]:
+    db = SessionLocal()
+    try:
+        yield db
+    finally:
+        db.close()

parser_api/job.py

@@ -0,0 +1,31 @@
+from rosseti_parser import pipeline, preprocess_read_df
+import pandas as pd
+import numpy as np
+from datetime import datetime
+import logging
+
+from .database import get_db
+from . import models
+
+from io import StringIO
+
+
+def job():
+    fetch_start = datetime.now()
+    print("Starting refetch job: " + fetch_start.isoformat())
+
+    db = next(get_db())
+
+    parser = pipeline()
+
+    db.query(models.Record).delete()
+    db.commit()
+
+    print("Rewriting db: " + datetime.now().isoformat())
+
+    for i, row in parser.df.iterrows():
+        row = row.where((pd.notnull(row)), None)
+        db.add(models.Record(**row.to_dict()))
+        db.commit()
+
+    print(f"Fetched in {datetime.now() - fetch_start}\n{parser}")

parser_api/main.py

@@ -0,0 +1,37 @@
+from contextlib import asynccontextmanager
+import datetime
+
+from fastapi import FastAPI
+import schedule
+
+from . import models, router
+from .database import engine
+from .scheduler import run_continuously, run_threaded
+from .job import job
+from .config import REFETCH_PERIOD_H
+
+models.Base.metadata.create_all(bind=engine)
+
+start_stamp = datetime.datetime.now()
+
+
+async def lifespan(app: FastAPI):
+    schedule.every(REFETCH_PERIOD_H).hours.do(job)
+    stop_run_continuously = run_continuously()
+
+    run_threaded(job)
+
+    yield
+
+    stop_run_continuously()
+
+app = FastAPI(lifespan=lifespan)
+
+app.include_router(router.router)
+
+
+@app.get('/')
+def root():
+    return {
+        "up_since": start_stamp
+    }

parser_api/models.py

@@ -0,0 +1,23 @@
+from sqlalchemy import Boolean, Column, Integer, String, DateTime, Float
+from sqlalchemy.orm import relationship
+
+from .database import Base
+
+
+class Record(Base):
+    __tablename__ = 'records'
+
+    id = Column(Integer, primary_key=True, index=True)
+    index = Column(Integer)
+    region = Column(String, nullable=True)
+    area = Column(String, nullable=True)
+    town = Column(String, nullable=True)
+    street = Column(String, nullable=True)
+    start = Column(DateTime)
+    finish = Column(DateTime)
+    branch = Column(String, nullable=True)
+    res = Column(String, nullable=True)
+    comment = Column(String, nullable=True)
+    building_id = Column(Integer, nullable=True)
+    lat = Column(Float, nullable=True)
+    lng = Column(Float, nullable=True)

parser_api/router.py

@@ -0,0 +1,33 @@
+from fastapi import HTTPException, Depends
+from sqlalchemy.orm import Session
+from typing import List, Annotated
+
+from fastapi import APIRouter
+
+from . import models, schemas, controller
+from .database import SessionLocal, get_db
+
+router = APIRouter(prefix='/api')
+
+
+@router.get('/list', response_model=List[schemas.Record])
+def list_rows(
+    filters: Annotated[schemas.RecordRequest, Depends()],
+    db: Session = Depends(get_db)
+):
+    return controller.search_each(db, filters)
+
+
+@router.get('/search', response_model=List[schemas.Record])
+def search_rows(query: str, db: Session = Depends(get_db)):
+    return controller.search_all(db, query)
+
+
+@router.get('/check', response_model=schemas.CheckResponse)
+def check(building_id: int, db: Session = Depends(get_db)):
+    return controller.check_outage(db, building_id)
+
+
+@router.put('/create', response_model=schemas.Record)
+def create_record(record: schemas.RecordCreate, db: Session = Depends(get_db)):
+    return controller.create_record(db, record)

parser_api/scheduler.py

@@ -0,0 +1,25 @@
+import threading
+import time
+
+import schedule
+
+
+def run_continuously(interval=1):
+    cease_continuous_run = threading.Event()
+
+    class ScheduleThread(threading.Thread):
+        @classmethod
+        def run(cls):
+            while not cease_continuous_run.is_set():
+                schedule.run_pending()
+                time.sleep(interval)
+
+    continuous_thread = ScheduleThread()
+    continuous_thread.start()
+
+    return cease_continuous_run.set
+
+
+def run_threaded(job):
+    job_thread = threading.Thread(target=job)
+    job_thread.start()

parser_api/schemas.py

@@ -0,0 +1,39 @@
+import datetime
+from typing import Optional
+
+from pydantic import BaseModel
+
+
+class BaseRecord(BaseModel):
+    index: Optional[int] = None
+    region: Optional[str] = None
+    area: Optional[str] = None
+    town: Optional[str] = None
+    street: Optional[str] = None
+    branch: Optional[str] = None
+    res: Optional[str] = None
+    comment: Optional[str] = None
+    building_id: Optional[int] = None
+    lat: Optional[float] = None
+    lng: Optional[float] = None
+
+
+class Record(BaseRecord):
+    id: int
+    start: datetime.datetime
+    finish: datetime.datetime
+
+
+class RecordRequest(BaseRecord):
+    start: Optional[datetime.datetime] = None
+    finish: Optional[datetime.datetime] = None
+
+
+class RecordCreate(BaseRecord):
+    start: datetime.datetime
+    finish: datetime.datetime
+
+
+class CheckResponse(BaseModel):
+    is_outage: bool
+    when_finish: Optional[datetime.datetime] = None

requirements.dev.txt

@@ -0,0 +1,72 @@
+annotated-types==0.5.0
+anyio==3.7.1
+asttokens==2.4.0
+autopep8==2.0.4
+backcall==0.2.0
+beautifulsoup4==4.12.2
+certifi==2023.7.22
+charset-normalizer==3.2.0
+comm==0.1.4
+contourpy==1.1.1
+cycler==0.11.0
+debugpy==1.8.0
+decorator==5.1.1
+executing==1.2.0
+fastapi==0.103.1
+fonttools==4.42.1
+greenlet==2.0.2
+idna==3.4
+ipykernel==6.25.2
+ipython==8.15.0
+jedi==0.19.0
+jupyter_client==8.3.1
+jupyter_core==5.3.1
+kiwisolver==1.4.5
+lxml==4.9.3
+matplotlib==3.8.0
+matplotlib-inline==0.1.6
+mypy==1.5.1
+mypy-extensions==1.0.0
+nest-asyncio==1.5.8
+numpy==1.26.0
+packaging==23.1
+pandas==2.1.0
+pandas-stubs==2.0.3.230814
+parso==0.8.3
+pexpect==4.8.0
+pickleshare==0.7.5
+Pillow==10.0.1
+platformdirs==3.10.0
+prompt-toolkit==3.0.39
+psutil==5.9.5
+ptyprocess==0.7.0
+pure-eval==0.2.2
+pycodestyle==2.11.0
+pydantic==2.3.0
+pydantic_core==2.6.3
+Pygments==2.16.1
+pyparsing==3.1.1
+python-dateutil==2.8.2
+pytz==2023.3.post1
+pyzmq==25.1.1
+requests==2.31.0
+schedule==1.2.0
+scipy==1.11.2
+seaborn==0.12.2
+six==1.16.0
+sniffio==1.3.0
+soupsieve==2.5
+SQLAlchemy==2.0.21
+stack-data==0.6.2
+starlette==0.27.0
+tornado==6.3.3
+traitlets==5.10.0
+types-beautifulsoup4==4.12.0.6
+types-html5lib==1.1.11.15
+types-pytz==2023.3.1.0
+types-requests==2.31.0.2
+types-urllib3==1.26.25.14
+typing_extensions==4.8.0
+tzdata==2023.3
+urllib3==2.0.4
+wcwidth==0.2.6

requirements.txt

@@ -0,0 +1,32 @@
+annotated-types==0.5.0
+anyio==3.7.1
+beautifulsoup4==4.12.2
+bs4==0.0.1
+certifi==2023.7.22
+charset-normalizer==3.2.0
+click==8.1.7
+fastapi==0.103.1
+greenlet==2.0.2
+h11==0.14.0
+idna==3.4
+lxml==4.9.3
+numpy==1.26.0
+pandas==2.1.1
+psycopg==3.1.10
+psycopg-binary==3.1.10
+psycopg-pool==3.1.7
+pydantic==2.3.0
+pydantic_core==2.6.3
+python-dateutil==2.8.2
+pytz==2023.3.post1
+requests==2.31.0
+schedule==1.2.0
+six==1.16.0
+sniffio==1.3.0
+soupsieve==2.5
+SQLAlchemy==2.0.21
+starlette==0.27.0
+typing_extensions==4.8.0
+tzdata==2023.3
+urllib3==2.0.5
+uvicorn==0.23.2

rosseti_parser/__init__.py

@@ -0,0 +1,5 @@
+from .rosseti import RossetiParser
+from .address import split_addresses
+from .building_id import fetch_builing_ids
+from .preprocess import preprocess_df, COL_NS, ICOL_NS, preprocess_read_df, group_by_index
+from .util import pipeline

rosseti_parser/__main__.py

@@ -2,20 +2,11 @@ import sys
 import schedule
 import time
 
-from . import RossetiParser, split_addresses, fetch_builing_ids, preprocess_df
+from . import pipeline
 
 
-def job() -> None:
-    parser = RossetiParser()
-
-    print(parser)
-
-    parser.df = split_addresses(parser.df)
-
-    parser.df = fetch_builing_ids(parser.df)
-
-    parser.df = preprocess_df(parser.df)
-
+def job():
+    parser = pipeline()
     parser.save_df(f'./data_{parser.today.strftime("%d-%m-%y_%H:%M")}.csv')
 
 

rosseti_parser/address.py

@@ -6,9 +6,9 @@ import re
 
 T = TypeVar('T')
 
-street_prefixes = ('ул.', 'бул.', 'пр.', 'ул', 'бул',
+STREET_PREFIXES = ('ул.', 'бул.', 'пр.', 'ул', 'бул',
                    'пр', 'ш.', 'ш', 'пер.', 'пер')
-houses_prefixes = ('д.', 'д')
+HOUSES_PREFIXES = ('д.', 'д')
 
 
 def unfold_house_ranges(token: str) -> str:
@@ -56,8 +56,8 @@ def split_address(address: str) -> List[str]:
         accumulator = ''
 
         for i in range(len(tokens)):
-            if (any_of_in(street_prefixes, tokens[i].lower()) and
-                    any_of_in(street_prefixes, accumulator.lower())):
+            if (any_of_in(STREET_PREFIXES, tokens[i].lower()) and
+                    any_of_in(STREET_PREFIXES, accumulator.lower())):
                 res += unfold_houses_list(accumulator)
                 accumulator = ''
 
@@ -71,17 +71,18 @@ def split_address(address: str) -> List[str]:
 
 
 def process_row(row: pd.Series[str]) -> pd.Series[str]:
-    if pd.isnull(row['Улица']):
-        return row
-
-    addresses = split_address(row['Улица'])
-
     row = row.copy()
 
-    row['Улица'] = addresses
+    if pd.isnull(row['Улица']):
+        row['Улица'] = [None]
+    else:
+        addresses = split_address(row['Улица'])
+        row['Улица'] = addresses
 
     return row
 
 
 def split_addresses(df: pd.DataFrame) -> pd.DataFrame:
-    return df.apply(process_row, axis=1).explode('Улица', ignore_index=True)
+    merged_df = df.apply(process_row, axis=1).reset_index()
+
+    return merged_df.explode('Улица', ignore_index=True)

rosseti_parser/building_id.py

@@ -0,0 +1,31 @@
+from __future__ import annotations
+from typing import Optional, Tuple, Any, List
+
+import requests
+import pandas as pd
+import numpy as np
+
+GeoTupleType = Tuple[Optional[int], Optional[float], Optional[float]]
+
+
+def get_building_id(street: str) -> GeoTupleType:
+    if pd.isnull(street):
+        return None, None, None
+
+    r = requests.get('https://geocode.gate.petersburg.ru/parse/eas', params={
+        'street': street
+    }, timeout=10)
+
+    res = r.json()
+
+    if 'error' in res:
+        return None, None, None
+
+    return res['Building_ID'], res['Latitude'], res['Longitude']
+
+
+def fetch_builing_ids(df: pd.DataFrame) -> pd.DataFrame:
+    df[['ID здания', 'Широта', 'Долгота']] = df.apply(
+        lambda row: get_building_id(row['Улица']), axis=1, result_type='expand')
+
+    return df

rosseti_parser/preprocess.py

@@ -0,0 +1,62 @@
+from __future__ import annotations
+from typing import Any, List
+
+import pandas as pd
+
+COL_NS = {
+    'region': 'Регион РФ (область, край, город фед. значения, округ)',
+    'area': 'Административный район',
+    'town': 'Населённый пункт',
+    'street': 'Улица',
+    'start_date': 'Плановая дата начала отключения электроснабжения',
+    'start_time': 'Плановое время начала отключения электроснабжения',
+    'finish_date': 'Плановая дата восстановления отключения электроснабжения',
+    'finish_time': 'Плановое время восстановления отключения электроснабжения',
+    'branch': 'Филиал',
+    'res': 'РЭС',
+    'comment': 'Комментарий',
+    'building_id': 'ID здания',
+    'lat': 'Широта',
+    'lng': 'Долгота'
+}
+
+ICOL_NS = dict(map(reversed, COL_NS.items()))
+
+
+def preprocess_df(df: pd.DataFrame) -> pd.DataFrame:
+    df.rename(columns=ICOL_NS, inplace=True)
+
+    for a in ('start', 'finish'):
+        df[f'{a}'] = pd.to_datetime(
+            df[f'{a}_date'].astype(str) + ' ' + df[f'{a}_time'].astype(str),
+            dayfirst=True
+        )
+        df.drop(columns=[f'{a}_date', f'{a}_time'], inplace=True)
+
+    return df
+
+
+def preprocess_read_df(df: pd.DataFrame) -> pd.DataFrame:
+    for name in ('start', 'finish'):
+        df[name] = pd.to_datetime(df[name])
+
+    return df
+
+
+def join_columns(col: pd.Series[Any]) -> List[Any] | Any:
+    first = col.iloc[0]
+
+    if col.name in ('street', 'building_id', 'lat', 'lng') and pd.notnull(first):
+        return list(col)
+
+    return first
+
+
+def group_by_index(df: pd.DataFrame) -> pd.DataFrame:
+    groupped = df.groupby('index')
+
+    res_df = groupped.apply(
+        lambda index_df: index_df.apply(join_columns)
+    ).drop(columns='index')
+
+    return res_df

rosseti_parser/util.py

@@ -0,0 +1,18 @@
+from typing import Optional
+
+from . import RossetiParser, split_addresses, fetch_builing_ids, preprocess_df
+
+
+def pipeline(parser: Optional[RossetiParser] = None) -> RossetiParser:
+    if parser is None:
+        parser = RossetiParser()
+
+    print(parser)
+
+    parser.df = split_addresses(parser.df)
+
+    parser.df = fetch_builing_ids(parser.df)
+
+    parser.df = preprocess_df(parser.df)
+
+    return parser