Reality Scrapery

Přehled

Systém pro stahování realitních inzerátů z českých portálů.

Databáze: /opt/czechai-cockpit-full/stat_realit.db
Tabulka: stat_realit

Aktuální stav (2026-01-06)

Metrika	Hodnota
Celkem záznamů	37,755
Validní URL	36,836 (97.6%)
S cenou	24,999 (66%)
S GPS	23,538 (62%)
S price_per_m2	607

Portály

Portál	Záznamů	%
sreality	20,536	56%
realitymixcz	5,945	16%
realitycz	4,758	13%
annoncecz	1,998	5%
reality_idnes	782	2%

Scrapery

Sreality Scraper

Soubor: /opt/reality-scraper/scraper_v2_fixed.py

# Spuštění
cd /opt/reality-scraper && python3 scraper_v2_fixed.py

# Test mode (1 region, 1 typ)
python3 scraper_v2_fixed.py --test

Features: - Validace URL před uložením (HEAD request) - Správný /detail/ formát URL - Výpočet price_per_m2 - Normalizace property_type

Avizo Scraper

Soubor: /opt/czechai-tools/scrapers/avizo_scraper.py

# Spuštění
cd /opt/czechai-tools/scrapers && python3 avizo_scraper.py --limit 500

Čištění mrtvých URL

Soubor: /opt/reality-scraper/cleanup_dead_urls.py

# Zkontroluje 1000 náhodných URL a označí mrtvé
cd /opt/reality-scraper && python3 cleanup_dead_urls.py

Changelog

2026-01-06 - Kompletní audit a oprava

Problém: - 42% sreality mělo mrtvé URL - 25% avizo mělo špatná data (kategorie místo inzerátů) - ~50% záznamů nemělo cenu/GPS

Opravy: 1. ✅ SREALITY - opraven URL formát, přidána validace 2. ✅ AVIZO - přepsán na stahování detail stránek 3. ✅ DB vyčištěna z 49,442 na 37,755 záznamů 4. ✅ 65.6% mrtvých URL označeno jako nevalidní

---

Poslední aktualizace: 2026-01-06

---

🏠 eDesky API - Prodeje Nemovitostí (2026-02-05)

Konfigurace

Parametr	Hodnota
API URL
API Key
Uživatel
Dokumentace	https://docs.edeskyv1.apiary.io/

Použití

# Vyhledání dokumentů
curl -k "https://edesky.cz/api/v1/documents?keywords=prodej+pozemku&api_key=vYpegD3c1A1yS26P45bDqYpQSACDVPhv"

# Textová verze dokumentu (obsahuje URL na PDF)
curl -k "https://edesky.cz/dokument/{edesky_id}.txt"

Klíčová slova

• prodej pozemku (539 docs)
• prodej bytu (7 docs)
• prodej domu (10 docs)
• prodej nemovitosti (41 docs)
• záměr prodeje (580 docs)
• dražba nemovitosti (22 docs)

Zdroje PDF

1. Azure blob -
2. Původní obecní web - extrahovat z verze
3. Textová verze - fallback s OCR textem

Skripty

• Lokální: D:\CZECHAI_REALITY_MASTER\PRODUCTION\STAT\SCRAPER_STACK\PRODEJE_NEMOVITOSTI_BRNO\scripts\stahni_pdf_api.py
• Výstup: `C:\Users\info\Downloads\eDesky_Prodeje_Nemovitosti\PDF\" (307 PDF staženo)

Rate Limits

• Max 200 dokumentů na stránku
• Doporučená pauza: 1-2 sekundy mezi requesty
• HTTP 401 = rate limit překročen

---

🏠 eDesky API - Prodeje Nemovitostí (2026-02-05)

Konfigurace

Parametr	Hodnota
API URL	https://edesky.cz/api/v1/documents
API Key	vYpegD3c1A1yS26P45bDqYpQSACDVPhv
Uživatel	info@bohemiashield.cz
Dokumentace	https://docs.edeskyv1.apiary.io/

Použití

# Vyhledání dokumentů
curl -k "https://edesky.cz/api/v1/documents?keywords=prodej+pozemku&api_key=API_KEY"

# Textová verze dokumentu (obsahuje URL na PDF)
curl -k "https://edesky.cz/dokument/{edesky_id}.txt"

Klíčová slova

• prodej pozemku (539 docs)
• prodej bytu (7 docs)
• prodej domu (10 docs)
• prodej nemovitosti (41 docs)
• záměr prodeje (580 docs)
• dražba nemovitosti (22 docs)

Zdroje PDF

1. Azure blob - edesky.blob.core.windows.net/attachments/...
2. Původní obecní web - extrahovat z .txt verze
3. Textová verze - fallback s OCR textem

Skripty

• Lokální: D:\CZECHAI_REALITY_MASTER\PRODUCTION\STAT\SCRAPER_STACK\PRODEJE_NEMOVITOSTI_BRNO\scripts\stahni_pdf_api.py
• Výstup: C:\Users\info\Downloads\eDesky_Prodeje_Nemovitosti\PDF\ (307 PDF staženo)

Rate Limits

• Max 200 dokumentů na stránku
• Doporučená pauza: 1-2 sekundy mezi requesty
• HTTP 401 = rate limit překročen