Vygenerovano: 2026-03-23 01:01 | Typ: scout | CzechAI
Model: qwen3:32b
Ukol: URGENTNI: Portal DoReality.cz selhava. URL: https://doreality.cz Chyba: nonprotected_bad_scan Posledni uspech: unknown 1. Crawlni URL 2. Zmenila se struktura? 3. Anti-bot opatreni? 4. Existuje API? 5. Navrhni opravu.
Cas: 2026-03-23T00:54:28.692Z - 2026-03-23T01:01:13.292Z
| Portal | Kat. | Obtiznost | Render | Anti-bot | Data | Strategie | Poznamky |
|---|---|---|---|---|---|---|---|
| DoReality.cz | problematic | hard | javascript | cloudflare | unknown | playwright | Empty crawl, API timeout, likely Cloudflare + JS rendering |
**Diagnóza problému s DoReality.cz:** 1. **Prázdný výsledek crawlu** - Pravděpodobná příčina: Web používá JavaScript pro dynamické načítání obsahu. Běžné nástroje jako `httpx` nebo `crawl4ai` bez JS-renderingu nezískají data. 2. **Anti-bot opatření** - **Cloudflare bot detection**: Web je chráněn Cloudflare, který blokuje nezabezpečené nebo podezřelé požadavky. Chyba `nonprotected_bad_scan` naznačuje, že starý skript není kompatibilní s aktuálními protibotovými pravidly. 3. **API neexistuje nebo je chráněné** - Test `/api` selhal (timeout). Web nezveřejňuje veřejné API, nebo je přístup k API omezen autentizací nebo dalšími omezeními. 4. **Návrh řešení** - **Nástroj**: Použijte **Playwright** (nebo **Crawl4AI** s JS-renderingem) pro zpracování dynamického obsahu. - **Protibotová ochrana**: Přidejte headless browser fingerprinting nebo použijte **residenční proxy** (např. BrightData) k simulaci reálného uživatele. - **Struktura dat**: Zkontrolujte, zda se změnila struktura HTML nebo způsob, jakým jsou data načítána (např. AJAX volání). - **Alternativa**: Pokud je web založen na SPA (Single Page Application), vyzkoušejte extrakci dat přímo z JavaScriptu (např. pomocí `puppeteer` a `eval`). 5. **Další kroky** - Testujte Playwright skript s emulací reálného prohlížeče (např. Chrome) a přidejte zpoždění mezi akcemi. - Zkontrolujte, zda web používá Cloudflare Turnstile (výměna za reCAPTCHA) a případně implementujte řešení pro automatizaci tohoto testu. **Závěr**: Web vyžaduje pokročilý přístup s JS-renderingem a protibotovou obranou. Náklady na získání dat budou vysoké, ale Playwright + residenční proxy by měly problém vyřešit.