File size: 8,724 Bytes
b061450 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 |
#!/usr/bin/env python
import requests
import httpx
import asyncio
from tqdm import tqdm
import jsonlines
from datetime import datetime, timezone
import pandas as pd
from pathlib import Path
from utils import async_httpx_retry
from deepdiff import DeepDiff
import json
def listarTramites(pageSize=30):
"""
Lista todos los trámites disponibles.
"""
print("Listando trámites ...")
tramites = []
page = 1
while True:
try:
url = f"https://www.gob.bo/ws/api/portal/tramites?pagina={page}&limite={pageSize}"
response = requests.get(url)
datos = response.json()["datos"]
tramites.extend(
[{k: e[k] for k in ["id", "nombre", "slug"]} for e in datos["filas"]]
)
print(f"{len(tramites)} de {datos['total']}")
if len(tramites) >= datos["total"]:
break
else:
page += 1
except Exception as e:
print(f"{e}")
tramites = list({d["slug"]: d for d in tramites}.values())
return tramites
@async_httpx_retry(max_retries=5, base_delay=0.5)
async def getTramite(tramite_slug, client):
"""
Descarga datos de un trámite.
"""
url = f"https://www.gob.bo/ws/api/portal/tramites/{tramite_slug}"
resp = await client.get(url)
resp.raise_for_status()
return resp.json()
async def getTramites(tramitesListado, max_concurrent=10, max_tramites=None):
"""
Descarga asíncrona de datos de trámites en un listado.
"""
tramites = []
errores = []
sema = asyncio.Semaphore(max_concurrent)
subset = tramitesListado if max_tramites is None else tramitesListado[:max_tramites]
pbar = tqdm(total=len(tramitesListado), desc="Descargando trámites")
async def fetch_one(tramite, client):
async with sema:
try:
data = await getTramite(tramite["slug"], client)
tramites.append(data["datos"])
except Exception as e:
print(e)
errores.append({**tramite, "error": str(e)})
pbar.update(1)
async with httpx.AsyncClient(headers={"User-Agent": "Mozilla/5.0"}) as client:
await asyncio.gather(*(fetch_one(t, client) for t in subset))
pbar.close()
return tramites, errores
def detectarModificaciones(df1, df2, timestamp):
"""
Detecta trámites que cambian entre dos corridas
consecutivas df1 y df2. Construye y guarda una
bitácora de estos trámites más una estampa de tiempo.
"""
def listarCamposCompuestos():
"""
Listar campos cuyos valores esperamos
que sean arrays u objetos.
"""
with open("datapackage.json", "r") as f:
datapackage = json.load(f)
return [
field["name"]
for field in datapackage["resources"][0]["schema"]["fields"]
if field["type"] in ["array", "object"]
]
FILENAME = Path("modificaciones.csv")
# Alinear trámites
_df1, _df2 = df1.set_index("id").copy(), df2.set_index("id").copy()
nombres = _df1.nombre.to_dict()
entidades = _df1["entidad"].apply(lambda _: _["nombre"]).to_dict()
cols = [c for c in _df1.columns if c in _df2.columns and c != "id"]
idx = _df1.index.intersection(_df2.index)
_df1, _df2 = _df1.loc[idx, cols], _df2.loc[idx, cols]
# Comparar cada columna e identificar cambios
cambios = []
camposCompuestos = listarCamposCompuestos()
for col in cols:
old, new = _df1[col], _df2[col]
modified = old.ne(new) & ~(old.isna() & new.isna())
# Si existen modificaciones
if modified.any():
# Si los valores son arrays u objetos
if col in camposCompuestos:
for id_tramite, v1, v2 in zip(
old.index[modified].values,
old[modified].values,
new[modified].values,
):
# Detectar cambios detallados y agregar cada uno en una fila
diff = DeepDiff(v1, v2)
for key in diff["values_changed"].keys():
campo = f"{col}{key.replace('root', '')}"
viejo, nuevo = [
diff["values_changed"][key][v]
for v in ["old_value", "new_value"]
]
cambios.append(
{
"timestamp": timestamp,
"id": id_tramite,
"entidad": entidades[id_tramite],
"nombre": nombres[id_tramite],
"campo": campo,
"viejo": viejo,
"nuevo": nuevo,
}
)
else:
# Si los valores son simples
for id_tramite, viejo, nuevo in zip(
old.index[modified].values,
old[modified].values,
new[modified].values,
):
cambios.append(
{
"timestamp": timestamp,
"id": id_tramite,
"entidad": entidades[id_tramite],
"nombre": nombres[id_tramite],
"campo": col,
"viejo": viejo,
"nuevo": nuevo,
}
)
# Guardar cambios
print(f"{len(cambios)} modificaciones")
if len(cambios) > 0:
modificaciones = pd.DataFrame(cambios)
if FILENAME.exists():
modificaciones = pd.concat([pd.read_csv(FILENAME), modificaciones])
modificaciones.sort_values(["timestamp", "id", "campo"]).to_csv(
FILENAME, index=False
)
def detectarAdiciones(df1, df2, timestamp):
"""
Detecta trámites que aparecen o desaparecen
entre dos corridas consecutivas df1 y df2.
Construye y guarda una bitácora de estos trámites
más una estampa de tiempo.
"""
FILENAME = Path("adiciones.csv")
# El formato de la bitácora
def formatear(df, evento, timestamp):
n = df[["id", "entidad", "nombre"]].copy()
n["entidad"] = n["entidad"].str["nombre"]
n.columns = ["id", "entidad", "nombre"]
n.insert(0, "tipo", evento)
n.insert(0, "timestamp", timestamp)
return n
# Detectar trámites que aparecen o desaparecen
eventos = pd.concat(
[
formatear(df2[~df2["id"].isin(df1["id"])], "aparece", timestamp),
formatear(df1[~df1["id"].isin(df2["id"])], "desaparece", timestamp),
]
)
# Guardar registros
print(f"{eventos.shape[0]} trámites que aparecen o desaparecen")
if eventos.shape[0] > 0:
if FILENAME.exists():
eventos = pd.concat([pd.read_csv(FILENAME), eventos])
eventos.sort_values(["timestamp", "id", "tipo"]).to_csv(FILENAME, index=False)
async def main():
"""
Lista todos los trámites disponibles y descarga
datos para cada uno en una serie de reintentos.
Luego guarda todos estos datos más posibles errores
junto a bitácoras de trámites que aparecen, desaparecen
o son modificados entre corridas consecutivas.
"""
FILENAME = Path("tramites.jsonl")
# Listar tramites
pendientes = listarTramites()
print(f"{len(pendientes)} tramites listados")
# Estampa de tiempo
timestamp = datetime.now(timezone.utc).isoformat(timespec="minutes")
tramites, errores = await getTramites(pendientes)
print(f"{len(tramites)} registros, {len(errores)} errores")
# Consolidar con datos recogidos previamente
if FILENAME.exists():
tramites_df = pd.DataFrame(tramites)
with jsonlines.open(FILENAME, "r") as f:
tramites_previos = pd.DataFrame([line for line in f])
detectarAdiciones(tramites_previos, tramites_df, timestamp)
detectarModificaciones(tramites_previos, tramites_df, timestamp)
# Guardar trámites y errores
tramites_sorted = sorted(tramites, key=lambda d: d["id"])
for data, filename in zip([tramites_sorted, errores], ["tramites", "errores"]):
if data:
with jsonlines.open(f"{filename}.jsonl", "w") as f:
for entry in data:
f.write(entry)
print(f"Datos guardados: {len(tramites_sorted)} trámites | {len(errores)} errores.")
if __name__ == "__main__":
asyncio.run(main())
|