...
\s*
(.*?)
',
+ re.DOTALL
+ )
+
+ for row_m in row_pattern.finditer(block):
+ cell = row_m.group(1)
+
+ # Titel aus
...
+ title_m = re.search(r'
(.*?)', cell, re.DOTALL)
+ if not title_m:
+ continue
+ title = _strip_tags(title_m.group(1)).strip()
+ if not title:
+ continue
+
+ # Datum: erste DD.MM.YYYY nach dem
-Block
+ after_b = cell[title_m.end():]
+ date_m = re.search(r'(\d{1,2}\.\d{1,2}\.\d{4})', after_b)
+ if not date_m:
+ continue
+ date_str = _parse_date(date_m.group(1))
+ if not date_str:
+ continue
+
+ # PLZ + Ort: "12345 Stadtname"
+ ort = ""
+ ort_m = re.search(r'(\d{5})\s+([^<\n\r]+)', after_b)
+ if ort_m:
+ ort = ort_m.group(2).strip()
+
+ events.append({
+ "titel": title,
+ "datum": date_str,
+ "ort_name": ort,
+ "link": "https://www.vdh.de/ausstellungen/",
+ })
+
+ return events
+
+
+# ── PARSER 2: /hundesport/termine/ ───────────────────────────────────────────
+# Struktur: Kategorie
dann -
+#
- DD.MM.YYYY - DD.MM.YYYY
Titel
Ort: Stadt
+
+def _parse_sport(html: str) -> list[dict]:
+ events = []
+
+ # - -Blöcke extrahieren
+ li_pattern = re.compile(r'
- (.*?)
', re.DOTALL)
+
+ for li_m in li_pattern.finditer(html):
+ cell = li_m.group(1)
+ # Datum: erstes DD.MM.YYYY oder DD.MM.YYYY - DD.MM.YYYY
+ date_m = re.search(r'(\d{1,2}\.\d{1,2}\.\d{4}(?:\s*-\s*\d{1,2}\.\d{1,2}\.\d{4})?)', cell)
+ if not date_m:
+ continue
+ date_str = _parse_date(date_m.group(1))
+ if not date_str:
+ continue
+
+ # Text nach dem Datum ohne Tags
+ after_date = cell[date_m.end():]
+ # "Ort:" aus Ort: Stadt entfernen wir für den Titel
+ parts = [p.strip() for p in re.split(r'|[^<]*', after_date) if p.strip()]
+ parts = [_strip_tags(p) for p in parts if _strip_tags(p)]
+
+ title = ""
+ ort = ""
+ for part in parts:
+ if re.match(r'^Ort:\s*', part, re.IGNORECASE):
+ ort = re.sub(r'^Ort:\s*', '', part, flags=re.IGNORECASE).strip()
+ elif not title and not re.match(r'^\d', part):
+ title = part
+
+ if not title:
+ continue
+
+ events.append({
+ "titel": title,
+ "datum": date_str,
+ "ort_name": ort,
+ "link": "https://www.vdh.de/hundesport/termine/",
+ })
+
+ return events
+
+
async def fetch_vdh_events() -> list[dict]:
"""
Scrapt VDH-Veranstaltungen von ausstellungen/liste und hundesport/termine.
Gibt eine Liste von Dicts zurück: {titel, datum, ort_name, typ, link, external_id}
- Bei Fehler oder 0 Ergebnissen: Fallback auf FALLBACK_EVENTS.
"""
sources = [
- ("https://www.vdh.de/ausstellungen/liste/typ/spezial/", _SpezialParser),
- ("https://www.vdh.de/hundesport/termine/", _SportParser),
+ ("https://www.vdh.de/ausstellungen/liste/typ/spezial/", _parse_spezial),
+ ("https://www.vdh.de/hundesport/termine/", _parse_sport),
]
headers = {
- "User-Agent": (
- "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
- "AppleWebKit/537.36 (KHTML, like Gecko) "
- "Chrome/124.0.0.0 Safari/537.36"
- ),
+ "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 Chrome/124.0.0.0 Safari/537.36",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8",
"Accept-Language": "de-DE,de;q=0.9,en;q=0.5",
}
@@ -286,13 +186,11 @@ async def fetch_vdh_events() -> list[dict]:
raw_events: list[dict] = []
async with httpx.AsyncClient(timeout=20, follow_redirects=True) as client:
- for url, ParserClass in sources:
+ for url, parse_fn in sources:
try:
resp = await client.get(url, headers=headers)
resp.raise_for_status()
- parser = ParserClass()
- parser.feed(resp.text)
- found = parser.get_events()
+ found = parse_fn(resp.text)
if found:
logger.info(f"VDH-Scraper: {len(found)} Events von {url}")
raw_events.extend(found)
@@ -318,14 +216,13 @@ async def fetch_vdh_events() -> list[dict]:
titel = ev.get("titel", "").strip()
if not titel or len(titel) < 3:
continue
- link = ev.get("link", "https://www.vdh.de")
entry = {
"titel": titel,
"datum": datum,
"ort_name": ev.get("ort_name") or None,
"typ": _guess_typ(titel),
- "link": link,
+ "link": ev.get("link", "https://www.vdh.de"),
"external_id": _build_external_id(ev),
}
if entry["external_id"] not in seen_ids: