Для выполнения задачи нам понадобятся следующие библиотеки: 1. `requests` - для отправки запросов к сайту и получения содержимого страницы. 2. `BeautifulSoup` из библиотеки `bs4` - для парсинга HTML-кода страницы. 3. `pandas` - для работы с данными и создания датафрейма. 4. `csv` - для сохранения данных в формате CSV. Установим необходимые библиотеки, если они еще не установлены:

pip install requests

pip install beautifulsoup4

pip install pandas

Импортируем необходимые библиотеки:

python

import requests

from bs4 import BeautifulSoup

import pandas as pd

import csv

Теперь создадим функцию для парсинга данных по каждой закупке на странице:

python

def parse_purchase(purchase_url):

    response = requests.get(purchase_url)

    soup = BeautifulSoup(response.text, 'html.parser')



    # Находим и извлекаем необходимые данные из HTML-кода страницы

    purchase_number = soup.find('div', {'class': 'row no-gutters'}).find('td').text

    purchase_date = soup.find('div', {'class': 'col-6 col-lg-4 purchase-section__left-block'})

                      .find('table').find_all('td')[1].text

    update_date = soup.find('div', {'class': 'col-6 col-lg-4 purchase-section__left-block'})

                  .find('table').find_all('td')[3].text

    end_date = soup.find('div', {'class': 'col-6 col-lg-4 purchase-section__left-block'})

               .find('table').find_all('td')[5].text

    initial_price = soup.find('div', {'class': 'col-6 purchase__block'})

                    .find('span', {'class': 'col-lg-6 text-break'}).text



    return {

        'purchase_number': purchase_number,

        'purchase_date': purchase_date,

        'update_date': update_date,

        'end_date': end_date,

        'initial_price': initial_price

    }

Теперь напишем функцию для парсинга всех закупок на одной странице:

python

def parse_page(page_url):

    response = requests.get(page_url)

    soup = BeautifulSoup(response.text, 'html.parser')



    purchases = soup.find_all('div', {'class': 'section'})

    parsed_data = []



    for purchase in purchases:

        purchase_url = 'https://zakupki.gov.ru' + purchase.find('a')['href']

        parsed_data.append(parse_purchase(purchase_url))



    return parsed_data

Напишем основную функцию, которая будет парсить две указанные страницы и сохранять данные в CSV-файл:

python

def parse_and_save_data():

    urls = [

        'https://zakupki.gov.ru/epz/order/extendedsearch/results.html?morphology=on&search-filter-orderDateFrom=21.04.2017&search-filter-orderDateTo=21.04.2019&pageNumber=1&sortDirection=false&recordsPerPage=_10&showLotsInfoHidden=false&sortBy=UPDATE_DATE&fz223=on&fz44=on&orderDateFrom=21.04.2017&orderDateTo=21.04.2019&updateDateFrom=&updateDateTo=&endDateFrom=&endDateTo=&priceFromGeneral=&priceToGeneral=&priceFromX=',

        'https://zakupki.gov.ru/epz/order/extendedsearch/results.html?morphology=on&search-filter-orderDateFrom=21.04.2017&search-filter-orderDateTo=21.04.2019&pageNumber=2&sortDirection=false&recordsPerPage=_10&showLotsInfoHidden=false&sortBy=UPDATE_DATE&fz223=on&fz44=on&orderDateFrom=21.04.2017&orderDateTo=21.04.2019&updateDateFrom=&updateDateTo=&endDateFrom=&endDateTo=&priceFromGeneral=&priceToGeneral=&priceFromX='

    ]



    all_parsed_data = []

    for url in urls:

        all_parsed_data.extend(parse_page(url))



    df = pd.DataFrame(all_parsed_data)

    df.to_csv('parsed_data.csv', index=False)

Наконец, вызовем функцию `parse_and_save_data()` для выполнения парсинга и сохранения данных в CSV-файл:

python

if __name__ == '__main__':

    parse_and_save_data()

После выполнения кода будет создан CSV-файл `parsed_data.csv`, в котором будут содержаться данные о закупках с указанных страниц. Каждая строка файла соответствует одной закупке, а столбцы содержат информацию о номере закупки, дате размещения, обновления и окончания подачи заявок, начальной цене контракта.