Парсинг текстового контента с финансовых сайтов

Основная задача

Требуется разработать скрипт для автоматического сбора информации с конкретных страниц, указанных в предоставленном списке. Сбор данных должен быть выполнен в строго определённой структуре.

Источники данных

Парсинг необходимо выполнить со следующих ресурсов:

• Три финансовых информационных портала (названия скрыты по требованию заказчика).
• Конкретные URL-адреса страниц для обработки предоставлены в отдельном документе.

Требования к данным

Структура конечной таблицы

Каждая извлечённая сущность (текстовый блок) должна содержать следующие поля:

• URL - адрес страницы-источника.
• Блок - тип текстового блока согласно классификации.
• Заголовок H2 (H1) - основной заголовок секции.
• Заголовок H3 - подзаголовок секции.
• Текст - основное текстовое содержимое блока.

Обработка и формат вывода

• Итоговые данные должны быть представлены в формате Excel или текстовом файле с разделителем «точка с запятой» (CSV).
• Важно: Все символы точки с запятой, встречающиеся внутри текстов, необходимо заменить на запятую, чтобы не нарушать структуру CSV-файла.
• Необходимо спарсить полную иерархию текстовых блоков (заголовки и связанный с ними текст) с каждой указанной страницы.

Референсы и примеры

Для уточнения деталей задачи заказчик предоставил:

• Список целевых страниц в отдельном документе.
• Пояснение по классификации типов блоков в отдельном документе.
• Пример результата парсинга одной из страниц в виде таблицы.

Критерии выполнения

Задание требует оперативного выполнения. В ответе укажите сроки и стоимость работы.