notebookvb

2026-05-20 05:28:41 +02:00
parent 19b9c6a6b4
commit c6360a8c99
3 changed files with 2751 additions and 14 deletions
@@ -39,4 +39,10 @@ pip install requests beautifulsoup4 python-dotenv

 ## Poznámky
 - WordPress = často všechny linky na webu
- Zpočátku bez limit na počet stránek (pak omezit, pokud je jich moc)
+- Zpočítku bez limit na počet stránek (pak omezit, pokud je jich moc)
+
+## Seed URLs
+Některé stránky nejsou linkovány z homepage (orphaned). Jsou zabudovány přímo:
+- `/appel-rocnik-2023/` a `/appel-rocnik-2024/` (apelace)
+
+Přidej další podle potřeby do `seed_urls` v `SplcrScraper.__init__`