Исходные данные

Компания — агрегатор маркетинговых данных для B2B, желает анализировать рынок госзакупок для таргетинга контрагентов. Порталы госзакупок (zakupki.gov.ru, ЕИС) содержат сведения о сотнях тысяч заказчиков, их предпочтениях и контрагентах в машиночитаемых форматах (XML, SOAP) .

Проблема: для эффективного сбора данных нужно разобраться в типах законов (44-ФЗ для госзаказчиков и 223-ФЗ для госкомпаний) и освоить инструменты, которые работают по официальному API, а не брут-форсом .

Что нужно партнерам:

• автоматически собирать информацию о закупках из открытых источников
• структурировать данные для дальнейшего обогащения (контакты поставщиков)
• не нарушать законодательство, используя официальные каналы

Что мы сделали

Шаг 1. Разобрались в структуре закупочного законодательства

Российская система госзакупок базируется на двух ключевых законах :

• 44-ФЗ — для государственных и муниципальных нужд (бюджетные учреждения, администрации, школы). Весь процесс строго формализован, контракты публикуются в едином формате .
• 223-ФЗ — для закупок госкорпораций (Росатом, РЖД, Газпром), естественных монополий и компаний с госучастием. Правила гибче, но данные также выгружаются в ЕИС .

Знание этих типов позволяет точно фильтровать парсинг по источникам — например, искать либо только коммерческих, но «жирных» клиентов (223-ФЗ), либо подрядчиков бюджета (44-ФЗ) .

Шаг 2. Использовали официальный Единый портал zakupki.gov.ru

Вся разрешенная информация хранится в Единой информационной системе (ЕИС). Парсить оттуда данные можно, но лучше использовать официальный API-интерфейс, чтобы система не блокировала за слишком частые запросы.

В 2026 году заказчики также обязаны публиковать исчерпывающие данные о контрактах — включая сами планы-графики и исполненные контракты . Это дает возможность собирать истории компаний-конкурентов за несколько лет.

Шаг 3. Настроили выгрузку через машиночитаемые форматы (XML / SOAP API)

Портал предоставляет возможность запросить «Печатную форму извещения» и заменить в ссылке view.html на viewXml.html. В ответ вы получите структурированный XML-документ, содержащий все детали закупки — от реквизитов заказчика до даты публикации .

Также существует библиотека на Ruby (ox-tender-abstract), которая умеет подключаться напрямую к SOAP API zakupki.gov.ru и возвращать Ruby-хэши с данными по тендерам, минуя сложный разбор XML вручную .

Пример рабочего алгоритма (Python) на основе рекомендаций GitHub :

1. Выполняем GET-запрос к странице результатов поиска (по 44-ФЗ или 223-ФЗ).
2. С помощью парсера (BeautifulSoup) извлекаем все ссылки на печатные формы (.view.html) из списка тендеров.
3. Модифицируем ссылку: заменяем view.html на viewXml.html — так получаем прямой доступ к XML-файлу с полной информацией о закупке.
4. Парсим XML, вытаскивая нужные поля: название, дату публикации, заказчика и цену контракта.

Согласно исследованиям Финансового университета (№ 4, 2024), такой подход — сбор данных через парсинг открытых XML — уже активно используется для мониторинга цен и предотвращения завышения бюджета .

Шаг 4. Парсинг для бизнес-анализа и лидогенерации

Собранные данные можно использовать не только для участия в торгах, но и для поиска B2B-клиентов:

• Идентификация заказчиков — какие организации регулярно объявляют тендеры в вашей нише. Это сигнал к их потребностям.
• Анализ исполненных контрактов — если поставщик выигрывал контракты на похожее оборудование, он может стать вашим партнером или клиентом для доп. услуг.
• Сравнение фактических цен с рыночными уровнями для предложения скидки (см. практики выявления «переплат», рекомендуемые Минфином ).

Использование подхода легального парсинга (через публичный API) полностью соответствует требованиям информационной открытости, заложенным в 44-ФЗ .

Шаг 5. Учитываем изменения 2026 года

С 2026 года вступили в силу новые нормы: усилилась ответственность участников за достоверность данных, а комиссии по закупкам обязаны отстранять недобросовестных поставщиков при выявлении нарушений . Для парсера это означает, что данные из ЕИС (реестр недобросовестных поставщиков) становятся критически важными для скоринга потенциальных партнеров.

Результаты

По результатам сбора данных компания может получить массивы: названия компаний-поставщиков, их контакты, объёмы и частоту побед в закупках. Эти данные затем обогащаются (через утилиты проверки номеров, поиск контактов) и загружаются в CRM для отдела продаж.

На выходе: мы имеем базу активных контрагентов, знаем их ресурсы (историю закупок) и можем персонализировать предложение.

Почему это работает и легально

• Используется API и XML, а не агрессивный скрейпинг с подменой User-Agent. Это снижает риск блокировки IP и защищает бизнес.
• Данные из ЕИС объективны — они проверяются контролирующими органами (ФАС, Казначейство) .
• Парсинг госзакупок, а не крауд-скрейпинг полностью легален, так как закон (44-ФЗ) требует открытости информации, если она не составляет гостайны .
• Научное сообщество (Финуниверситет) подтверждает полезность автоматического сбора данных для снижения финансовых рисков и повышения прозрачности .

Чек-лист парсинга госзакупок:

• Изучил фундаментальные различия 44-ФЗ и 223-ФЗ 
• Настроил доступ к официальному API zakupki.gov.ru (SOAP)
• Для прототипа использовал Python + requests/BeautifulSoup и схему из репозитория Tender_search 
• Для массового Ruby-проекта подключил ox-tender-abstract 
• Собираю не только текущие, но и завершённые контракты (архив)
• Выходные данные сохраняю в формате CSV/JSON для последующего обогащения контактов

Сообщение Как парсить данные с государственных порталов закупок. появились сначала на BasesPro.