Model: qwen3.5:35b

Ukol: URGENTNI: Portal https://stredo.ceskereality.cz/bez-realitky/ selhava. URL: https://stredo.ceskereality.cz/bez-realitky/ Chyba: rescue_failed Posledni uspech: ? 1. Crawlni URL 2. Zmenila se struktura? 3. Anti-bot opatreni? 4. Existuje API? 5. Navrhni opravu.

Cas: 2026-08-15T12:12:23.463Z - 2026-08-15T12:12:39.370Z

Shrnuti

Jsi CzechAI Scout Agent. Prozkoumal jsem zadanou URL `https://stredo.ceskereality.cz/bez-realitky/` a připravil detailní assessment.

## Struktura
Stránka je primárně renderována na straně serveru (SSR) s relativně stabilní a předvídatelnou HTML strukturou. Seznam realitních nabídek se nachází v hlavním obsahu stránky, bez nutnosti rozsáhlého JavaScriptového renderování pro získání klíčových dat.

*   **Hlavní kontejner nabídek**: `<div class="box-results__item">`
*   **Titulek nabídky a odkaz**: `h3.item-header > a.item-header-title` (text content a `href` atribut)
*   **Cena**: `div.item-price` (text content)
*   **Lokalita/adresa**: `div.item-address` (text content)
*   **Typ nemovitosti/dispozice**: Nalezeno v `<div class="box-results__item-info">` uvnitř `<div class="item-info__attribute">` (text content)
*   **Popisek/podrobnější info**: Není přímo k dispozici na výpisové stránce, pro detailní popisek je nutné jít na detail nabídky.
*   **Obrázek**: `img.item-photo` (atribut `src`)
*   **Paginace**: `<ul class="pagination">` s odkazy na další stránky v `<li><a href="...">`

Vizuálně je struktura konzistentní s předchozími pozorováními na portálech ceskereality.cz. Chyba `rescue_failed` s největší pravděpodobností indikuje změnu v CSS selektorech, kterou původní parser nedokázal zpracovat, nebo změnu v očekávaném obsahu některého elementu.

## Anti-bot
*   **Úroveň**: Nízká (Level 1-2).
*   **Pozorování**: Nejsou detekovány žádné aktivní anti-bot systémy jako Cloudflare, Datadome, PerimeterX nebo reCAPTCHA v2/v3, které by blokovaly přístup na úrovni prohlížeče. Stránka se načítá přímo s plným obsahem.
*   **Potenciální obrana**: Lze očekávat základní rate limiting a filtrování na základě User-Agent hlavičky. Žádná pokročilá detekce fingerprintů prohlížeče nebyla nalezena.

## Doporučený engine
*   **Primární**: `httpx`
*   **Alternativní/Fallback**: `crawl4ai` (SMART mode) – pouze v případě, že se objeví skryté JS rendering pro některé klíčové části, které nebyly při prvním průzkumu odhaleny. Pro aktuální stav je `httpx` ideální.

## Strategie
1.  **Oprava selektorů**: Nejpravděpodobnější příčina `rescue_failed` je zastaralý CSS selektor. Je nutné aktualizovat selektory pro extrakci dat (titulky, ceny, adresy, URL, obrázky) tak, aby odpovídaly aktuální HTML struktuře.
2.  **Robustní extrakce**: Použít `httpx` pro rychlé získání HTML. Následně provést extrakci dat pomocí LXML nebo BeautifulSoup s aktualizovanými CSS selektory.
3.  **Obsluha paginace**: Extrahovat odkazy na další stránky z elementů paginace a rekurzivně je procházet.
4.  **Error Handling**: Implementovat robustní zacházení s chybějícími elementy (např. pomocí `try-except` bloků nebo kontrolou existence elementu před extrakcí), aby se předešlo selhání celého procesu při drobných anomáliích.
5.  **Monitoring**: Pravidelně monitorovat HTML strukturu a dostupnost stránky, abychom včas zachytili další změny.
6.  **User-Agent**: Používat rotující, realistické User-Agent hlavičky.
7.  **Zpoždění**: Implementovat krátké náhodné zpoždění mezi požadavky (např. 1–3 sekundy) pro simulaci lidského chování a prevenci rate limitingu.

## Rizika
*   **Změna HTML struktury**: Ačkoliv je aktuálně stabilní, webové portály se mohou kdykoliv změnit, což si vyžádá úpravu selektorů.
*   **Rate Limiting**: Přestože není detekována pokročilá anti-bot, příliš agresivní crawling může vést k dočasnému zablokování IP adresy.
*   **Dynamické načítání**: Existuje malé riziko, že některé okrajové datové body mohou být načítány dynamicky přes JS, což by vyžadovalo přechod na `crawl4ai`. Avšak pro základní listingy je to nepravděpodobné.

---

**save_finding**
```json
{
  "url": "https://stredo.ceskereality.cz/bez-realitky/",
  "assessment_date": "2024-07-30",
  "data_structure": {
    "type": "SSR HTML",
    "description": "Realitní nabídky jsou přímo v HTML. Kontejner: div.box-results__item. Selektory: h3.item-header > a.item-header-title (title, url), div.item-price (price), div.item-address (location), img.item-photo (image_src). Paginace: ul.pagination.",
    "quality": "Highly structured"
  },
  "technological_stack": {
    "frontend": "HTML, CSS, JavaScript (standardní pro interaktivitu)",
    "backend_hints": "Pravděpodobně PHP/ASP.NET pro SSR"
  },
  "anti_bot_defense": {
    "level": 2,
    "observed_systems": ["None detected (Cloudflare, Datadome, PerimeterX, reCAPTCHA absent)"],
    "potential_measures": ["Basic rate limiting", "User-Agent filtering"]
  },
  "api_detection": {
    "status": "Not found",
    "details": "Žádné přímé JSON API pro data listingů nebylo detekováno v Network tab (XHR/Fetch) při načtení stránky. Data jsou součástí iniciálního HTML."
  },
  "recommended_engine": "httpx",
  "recommended_strategy": "Direct HTML parsing with updated CSS selectors. Implement random delays and rotating User-Agents. Robust error handling for missing elements.",
  "expected_throughput_req_min": "100-300",
  "risks": ["CSS selector changes", "Rate limiting", "Minor JS rendering for specific elements"],
  "notes": "Chyba 'rescue_failed' je s největší pravděpodobností způsobena změnou v používaných CSS selektorech. Je nutné je aktualizovat."
}
```