Парсинг залов торжеств и ресторанов Израиля

Так будет выглядеть результат: карточка каждого заведения со всеми полями, общая таблица Excel и отчёт о полноте данных. Образец собран под вашу формулировку «от имейла до количества мест на парковке и до меню, включая описания с сайта».

Образец структуры. Названия, телефоны и значения придуманы для показа и не относятся к реальным заведениям. Фото стоковые, для иллюстрации. В вашей выгрузке будут данные с официальных сайтов заведений, у каждой строки ссылка на страницу-источник.
Банкетный залСервировкаБлюдо

Зал «Пример Гарден» (образец)

Зал торжеств · Тель-Авив · иврит, английский · источник: страница заведения, снято в день сбора

Emaile•••••@•••••••.co.il
Телефон+972 3 000 0000
Адресул. Образец 12, Тель-Авив
Сайт и соцсетисайт · Instagram · Facebook
Вместимостьдо 450 гостей, 2 зала
Парковка120 мест, бесплатная
Кухня и кошерностьсредиземноморская, кошерная
Часы работывс-чт 10:00-23:00
Описание с сайта сохраняется целиком, в оригинале (иврит или английский). Перевод на русский добавляю отдельным столбцом, если он нужен.
Итоговый файл: один лист на заведения и отдельные листы «Меню», «Контакты» и «Отчёт о полноте». Ниже живой образец с поиском и фильтром (данные придуманы).
НазваниеТипГородEmailТелефонМест в залеПарковкаМенюПолнота

Жёлтым подсвечены строки, где часть полей на сайте не найдена: они идут в список на ручную проверку, а не молча остаются пустыми.

12полей на заведение
100%строк со ссылкой-источником
0дублей по телефону и адресу
1 листотчёт о пропусках
Ресторан

Нет данных на сайте

Если у заведения не указана парковка или нет меню, строка помечается «не указано на сайте», а не остаётся пустой без пояснений.
Накрытые столы

Без дублей

Одно заведение с несколькими сайтами или филиалами сводится в одну запись по телефону, адресу и названию.
Праздник

Проверка выборкой

Перед сдачей сверяю 30 случайных строк с живыми сайтами и показываю результат сверки.
  1. Список заведений. Собираю из открытых каталогов и карт, получаю адреса сайтов. Объём называю цифрой, а не «все».
  2. Сбор с сайтов. Для каждого сайта обхожу страницы контактов, меню, описаний и «о нас». Нагрузку на чужие серверы держу умеренной.
  3. Разбор полей. Email, телефон, адрес, вместимость, парковка, часы, кухня, меню по разделам, описания целиком.
  4. Проверка. Дубли, битые email, пустые поля, сверка выборки с живыми сайтами.
  5. Выдача. Excel и CSV, отчёт о пропусках, скрипт для повторного обновления.

Честно про объём

В Израиле тысячи заведений, и часть сайтов закрыта от автоматического сбора или состоит из картинок. Поэтому предлагаю начать с одного региона по вашему выбору, сдать его с отчётом о полноте и после вашей приёмки идти дальше по тому же конвейеру.

Кафе

Что нужно от вас

Регион для первого этапа, нужен ли перевод описаний на русский и формат файла.