Портфолио и кейсы фрилансеров по парсингу данных

Описание: Создана десктопная программа для хранения и быстрого копирования часто используемых команд. Приложение удобно для разработчиков и пользователей, которые часто работают с npm, Git, Node.js, Electron и командной строкой. Команды разложены по блокам, их можно быстро найти и скопировать без ручного набора. Что реализовано: — быстрый поиск команды; — группировка команд по разделам; — карточки команд; — копирование в один клик; — команды для сборки проекта; — команды Git; — тёмный интерфейс; — подготовка Windows-инсталлятора через npm run build.

Описание: Разработана десктопная программа для подготовки структурированных JSON-файлов по проектам, сезонам и сериям. Инструмент помогает автоматизировать ручное создание данных, собирать информацию по проекту, формировать общие файлы, проверять структуру и экспортировать готовые JSON-файлы для дальнейшего использования на сайте или во внутренней базе. Что реализовано: — работа с проектами, сезонами и сериями; — добавление проекта в общий список; — формирование файлов для главной страницы; — импорт и экспорт JSON; — предпросмотр и проверка данных; — счётчики проектов, сезонов и серий; — боковое меню разделов; — современный интерфейс десктопной программы.

Описание: Создана десктопная программа для удобной работы со скриптами и файлами проекта. Приложение позволяет открывать папку проекта, просматривать дерево файлов, редактировать скрипты во встроенном редакторе и сохранять изменения. Такой инструмент подходит для работы с userscript-скриптами, небольшими проектами, автоматизацией сайтов и локальными файлами. Что реализовано: — выбор папки проекта; — дерево файлов и папок; — поиск по проекту; — редактор кода; — вкладки открытых файлов; — сохранение изменений; — восстановление версий; — светлая и тёмная тема; — кастомный интерфейс десктопного приложения.

Описание: Разработано Android-приложение погоды с современным интерфейсом, прогнозом и настраиваемыми виджетами. Приложение показывает текущую погоду, полезные погодные показатели, почасовой прогноз и прогноз на несколько дней. Интерфейс адаптирован под мобильный экран, а виджеты позволяют быстро смотреть погоду прямо с рабочего стола. Что реализовано: — текущая погода по выбранному месту; — почасовой прогноз; — прогноз на несколько дней; — полезные показатели: восход, закат, UV, осадки, ветер; — виджеты для рабочего стола; — настройка отображения погоды; — аккуратный мобильный интерфейс; — подготовка проекта под APK/AAB и сборку через GitHub Actions.

Настроена и доработана инфраструктура VPN-сервиса с Telegram-ботом, личным кабинетом, подписками, партнёрской логикой, мониторингом и smart routing. Проект включал не только настройку VPN, но и сборку рабочей экосистемы для пользователей: бот, кабинет, авторизация, управление подписками, подключение клиентов, перенос пользователей и контроль состояния сервиса. Что реализовано: развертывание и настройка серверной части VPN-сервиса; подключение Telegram-бота для пользователей; запуск личного кабинета и Telegram Mini App; настройка доменов, HTTPS и reverse proxy; связка frontend-кабинета с backend API; настройка авторизации через Telegram; перенос пользователей и активных подписок в новую систему; настройка партнёрских заявок, статусов и комиссий; подключение мониторинга состояния сервиса; настройка smart routing для VPN-клиентов; разделение прямого и VPN-трафика для разных сайтов; работа с Docker-контейнерами, Caddy, Linux/VPS; диагностика проблем с сертификатами, проксированием, контейнерами, DNS и маршрутизацией. Проект показывает опыт в серверном администрировании, настройке backend-инфраструктуры, Telegram-интеграциях, reverse proxy, Docker и VPN/Xray-экосистеме. Стек: Linux, Docker, Caddy, Telegram Bot API, backend API, PostgreSQL, Xray/VPN, HTTPS, reverse proxy, VPS.

Разработан внутренний инструмент для мониторинга публичных комментариев в X/Twitter, поиска крипто-адресов, проверки данных через внешние API и формирования shortlist для дальнейшей ручной обработки. Проект автоматизирует процесс, который вручную занимал бы десятки часов: сбор комментариев по кампаниям и датам, извлечение адресов кошельков, проверка балансов, фильтрация, повторные проверки и контроль статусов. Что реализовано: * сбор и обработка комментариев по заданным кампаниям; * поиск крипто-адресов в текстах; * поддержка нескольких сетей: EVM, Solana, BTC, TRON; * проверка балансов через внешние API; * обработка лимитов, ошибок, таймаутов и повторных запросов; * кэширование результатов и защита от дублей; * отдельные фоновые процессы для сбора, проверки балансов и recheck-задач; * локальная база SQLite для хранения комментариев, адресов, балансов и статусов; * shortlist с фильтрацией и сортировкой; * статусы обработки: найдено, проверено, подходит, не подходит, пропущено, contacted; * web-панель для контроля кампаний, очередей, аналитики и состояния процессов. Это не простой парсер, а связка из базы данных, фоновых процессов, API-интеграций, очередей обработки и аналитической панели. Стек: Python, SQLite, API, парсинг, фоновые процессы, HTML/CSS/JavaScript, pandas/openpyxl.

Это demo, не боевой кейс и не клиентский заказ. Задача: принять заявку по шагам и отдать админу готовую карточку, а не разрозненную переписку. Сделано: сценарий из 6 вопросов, карточка с категорией и приоритетом, запись в SQLite, уведомление администратору в Telegram. Результат: сценарий рабочий. Его можно перенести под CRM или таблицу клиента: те же шаги, другая точка сохранения. Стек: Python, aiogram, Telegram Bot API, SQLite. — demo-контур, не боевой заказ — 6 шагов сценария — карточка заявки админу — SQLite + уведомление в Telegram — перенос под CRM или таблицу клиента — Python, aiogram

Система анализа и фильтрации Telegram-каналов и чатов. Заказчику требовалось автоматически отслеживать большое количество Telegram-каналов, чтобы быстро находить упоминания бренда, конкурентов и ключевые слова, отсеивая спам и неактивные каналы. Разработана асинхронная система на Python с использованием Telethon API. Реализована проверка активности каналов (количество участников, дата последнего поста). Настроена фильтрация по ключевым словам и стоп-словам. Добавлен анализ публикаций за выбранный период. Система автоматически обрабатывает большие объёмы данных без зависаний. Результат для заказчика: заказчик получает сжатый отчёт с 5-10 релевантными сообщениями вместо ручного просмотра тысяч. Экономия времени — более 20 часов в неделю. Стек технологий: Python, Telethon, asyncio, SQLite, регулярные выражения. Заказ успешно выполнен, система стабильно работает и используется по назначению.

Описание Заказчику требовался инструмент для автоматического сбора и скачивания всего видеоконтента с YouTube-каналов или отдельных плейлистов. Задача — извлечь все ссылки на видео (включая пагинацию для каналов с тысячами роликов), отфильтровать по заданным критериям (дата, длительность, название) и скачать видео в высоком качестве с сохранением метаданных (название, описание, дата публикации, субтитры). Решение необходимо для создания архивов образовательного контента, анализа конкурентов, офлайн-просмотра и резервного копирования. Решение • Разработала парсер на Python с использованием yt-dlp для работы с YouTube Data API и прямым парсингом страниц каналов/плейлистов. • Реализовала обход пагинации: автоматический сбор всех видео с канала, обработка плейлистов любой длины. • Настроила фильтрацию контента: по дате публикации, длительности, ключевым словам в названии, количеству просмотров — для выборочного скачивания релевантных видео. • Реализовала загрузку с настройками качества: выбор разрешения, формата, извлечение аудио отдельно, скачивание субтитров и превью. • Добавила сохранение метаданных: экспорт списка видео в CSV/JSON с полями title, url, duration, publish_date, view_count, description. • Обеспечила отказоустойчивость: возобновление прерванной загрузки, пропуск уже скачанных видео, обработка приватных и удалённых роликов, логирование ошибок.

Описание Заказчику требовался инструмент для автоматического мониторинга конкурентов на площадке Yandex Garage с целью формирования актуальной таблицы предложений по аренде автомобилей. Задача — собирать данные о доступных авто, названиях компаний-арендодателей и ценах в реальном времени, нормализовать разнородные данные и экспортировать их в удобный табличный формат (CSV/Excel) для дальнейшего анализа: сравнения цен, выявления демпинга, корректировки собственной ценовой политики и поиска свободных ниш. Решение • Разработала парсер на Python с использованием requests для обхода динамической подгрузки контента на Yandex Garage. • Реализовала механизм обхода базовых защит: ротация user-agent, задержки между запросами, эмуляция реального поведения пользователя. • Настроила извлечение и очистку данных: парсинг названия автомобиля, компании-арендодателя, цены (с приведением к единой валюте и формату), обработка региональных особенностей отображения. • Добавила нормализацию данных: унификация названий авто, фильтрация дублей, обработка пропущенных значений. • Реализовала экспорт в структурированную таблицу (CSV/Excel) с возможностью планирования регулярного обновления и логированием изменений цен для отслеживания динамики.