mdbq 2.2.1__py3-none-any.whl → 2.2.3__py3-none-any.whl

mdbq/aggregation/query_data.py

@@ -1,4 +1,6 @@
 # -*- coding: UTF-8 –*-
+import re
+
 from mdbq.mongo import mongo
 from mdbq.mysql import mysql
 from mdbq.mysql import s_query
@@ -14,8 +16,6 @@ import getpass
 import json
 import os
 
-from sqlalchemy.event import remove
-
 """
 程序用于下载数据库(调用 s_query.py 下载并清洗), 并对数据进行聚合清洗, 不会更新数据库信息;
 
@@ -862,7 +862,47 @@ class GroupBy:
                        }
                 )
             df.insert(loc=1, column='推广渠道', value='万相台无界版')  # df中插入新列
+            # 1. 匹配 L后面接 2 个或以上数字，不区分大小写，示例：L345
+            # 2. 其余情况，L 后面接多个数字的都会被第一条 if 命中，不区分大小写
+            df['消费力层级'] = df.apply(
+                lambda x:
+                ''.join(re.findall(r'(l\d+)', x['人群名字'].upper(), re.IGNORECASE)) if re.findall(r'(l\d{2,})', x['人群名字'], re.IGNORECASE)
+                else 'L5' if re.findall(r'(l\d*5)', x['人群名字'], re.IGNORECASE)
+                else 'L4' if re.findall(r'(l\d*4)', x['人群名字'], re.IGNORECASE)
+                else 'L3' if re.findall(r'(l\d*3)', x['人群名字'], re.IGNORECASE)
+                else 'L2' if re.findall(r'(l\d*2)', x['人群名字'], re.IGNORECASE)
+                else 'L1' if re.findall(r'(l\d*1)', x['人群名字'], re.IGNORECASE)
+                else '', axis=1)
+            # 1. 匹配连续的 4 个数字且后面不能接数字或"元"或汉字，筛掉的人群示例：月均消费6000元｜受众20240729175213｜xxx2024真皮公文包
+            # 2. 匹配 2数字_2数字且前面不能是数字，合法匹配：人群_30_50_促； 非法示例：L345_3040 避免识别出 35～20 岁用户的情况
+            # pattern = r'(\d{4})(?!\d|[\u4e00-\u9fa5])'  # 匹配 4 个数字，后面不能接数字或汉字
+            # pattern = r'(?<![\d\u4e00-\u9fa5])(\d{4})' # 匹配前面不是数字或汉字的 4 个连续数字
+
+            # 匹配 4 个数字，前面和后面都不能是数字或汉字
+            pattern1 = r'(?<![\d\u4e00-\u9fa5])(\d{4})(?!\d|[\u4e00-\u9fa5])'
+            # 匹配指定字符，前面不能是数字或 l 或 L 开头
+            pattern2 = r'(?<![\dlL])(\d{2}_\d{2})'
+            df['用户年龄'] = df.apply(
+                lambda x:
+                ''.join(re.findall(pattern1, x['人群名字'].upper())) if re.findall(pattern1, x['人群名字'])
+                # else ''.join(re.findall(r'[^\d|l|L](\d{2}_\d{2})', x['人群名字'].upper())) if re.findall(r'[^\d|l|L](\d{2}_\d{2})', x['人群名字'])
+                else ''.join(re.findall(pattern2, x['人群名字'].upper())) if re.findall(pattern2, x['人群名字'])
+                else ''.join(re.findall(r'(\d{2}-\d{2})岁', x['人群名字'].upper())) if re.findall(r'(\d{2}-\d{2})岁', x['人群名字'])
+                else '', axis=1)
+            df['用户年龄'] = df['用户年龄'].apply(
+                lambda x: f'{x[:2]}~{x[2:4]}' if str(x).isdigit()
+                else str(x).replace('_', '~') if '_' in x
+                else str(x).replace('-', '~') if '-' in x
+                else x
+            )
+            # 年龄层不能是 0 开头
+            df['用户年龄'] = df['用户年龄'].apply(
+                lambda x: '' if str(x).startswith('0') else x)
+            # df = df.head(1000)
+            # df.to_csv('/Users/xigua/Downloads/test.csv', index=False, header=True, encoding='utf-8_sig')
+            # breakpoint()
             return df
+
         elif '天猫_关键词报表' in table_name:
             df.rename(columns={
                 '场景名字': '营销场景',
@@ -1559,120 +1599,120 @@ def data_aggregation(service_databases=[{}], months=1):
 
             # 从数据库中获取数据, 返回包含 df 数据的字典
             data_dict = [
-                {
-                    '数据库名': '聚合数据',  # 清洗完回传的目的地数据库
-                    '集合名': '天猫_主体报表',  # 清洗完回传的数据表名
-                    '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费'],
-                    '数据主体': sdq.tg_wxt(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫生意经_宝贝指标',
-                    '唯一主键': ['日期', '宝贝id'],  # 不能加其他字段做主键，比如销售额，是变动的，不是唯一的
-                    '数据主体': sdq.syj(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫_店铺来源_日数据',
-                    '唯一主键': ['日期', '一级来源', '二级来源', '三级来源', '访客数'],
-                    '数据主体': sdq.dplyd(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫_店铺来源_日数据_旧版',
-                    '唯一主键': ['日期', '一级来源', '二级来源', '三级来源'],
-                    '数据主体': sdq.dplyd_old(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '商品id编码表',
-                    '唯一主键': ['宝贝id'],
-                    '数据主体': sdq.idbm(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '商品id图片对照表',
-                    '唯一主键': ['商品id'],
-                    '数据主体': sdq.sp_picture(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '商品成本',
-                    '唯一主键': ['款号'],
-                    '数据主体': sdq.sp_cost(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '京东_京准通',
-                    '唯一主键': ['日期', '产品线', '触发sku id', '跟单sku id', '花费', ],
-                    '数据主体': sdq.jdjzt(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '京东_京准通_全站营销',
-                    '唯一主键': ['日期', '产品线', '花费'],
-                    '数据主体': sdq.jdqzyx(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '京东_sku_商品明细',
-                    '唯一主键': ['日期', '商品id', '成交单量'],
-                    '数据主体': sdq.sku_sales(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '京东_spu_商品明细',
-                    '唯一主键': ['日期', '商品id', '成交单量'],
-                    '数据主体': sdq.spu_sales(),
-                },
+                # {
+                #     '数据库名': '聚合数据',  # 清洗完回传的目的地数据库
+                #     '集合名': '天猫_主体报表',  # 清洗完回传的数据表名
+                #     '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费'],
+                #     '数据主体': sdq.tg_wxt(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫生意经_宝贝指标',
+                #     '唯一主键': ['日期', '宝贝id'],  # 不能加其他字段做主键，比如销售额，是变动的，不是唯一的
+                #     '数据主体': sdq.syj(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫_店铺来源_日数据',
+                #     '唯一主键': ['日期', '一级来源', '二级来源', '三级来源', '访客数'],
+                #     '数据主体': sdq.dplyd(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫_店铺来源_日数据_旧版',
+                #     '唯一主键': ['日期', '一级来源', '二级来源', '三级来源'],
+                #     '数据主体': sdq.dplyd_old(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '商品id编码表',
+                #     '唯一主键': ['宝贝id'],
+                #     '数据主体': sdq.idbm(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '商品id图片对照表',
+                #     '唯一主键': ['商品id'],
+                #     '数据主体': sdq.sp_picture(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '商品成本',
+                #     '唯一主键': ['款号'],
+                #     '数据主体': sdq.sp_cost(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '京东_京准通',
+                #     '唯一主键': ['日期', '产品线', '触发sku id', '跟单sku id', '花费', ],
+                #     '数据主体': sdq.jdjzt(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '京东_京准通_全站营销',
+                #     '唯一主键': ['日期', '产品线', '花费'],
+                #     '数据主体': sdq.jdqzyx(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '京东_sku_商品明细',
+                #     '唯一主键': ['日期', '商品id', '成交单量'],
+                #     '数据主体': sdq.sku_sales(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '京东_spu_商品明细',
+                #     '唯一主键': ['日期', '商品id', '成交单量'],
+                #     '数据主体': sdq.spu_sales(),
+                # },
                 {
                     '数据库名': '聚合数据',
                     '集合名': '天猫_人群报表',
                     '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费', '人群名字'],
                     '数据主体': sdq.tg_rqbb(),
                 },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫_关键词报表',
-                    '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费', '词类型', '词名字/词包名字',],
-                    '数据主体': sdq.tg_gjc(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫_超级直播',
-                    '唯一主键': ['日期', '推广渠道', '营销场景', '花费'],
-                    '数据主体': sdq.tg_cjzb(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '京东_关键词报表',
-                    '唯一主键': ['日期', '产品线', '搜索词',  '关键词', '展现数', '花费'],
-                    '数据主体': sdq.jd_gjc(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫_品销宝账户报表',
-                    '唯一主键': ['日期', '报表类型', '推广渠道', '营销场景', '花费'],
-                    '数据主体': sdq.pxb_zh(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '天猫店铺来源_手淘搜索',
-                    '唯一主键': ['日期', '关键词', '访客数'],
-                    '数据主体': sdq.tm_search(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '生意参谋_直播场次分析',
-                    '唯一主键': ['场次id'],
-                    '数据主体': sdq.zb_ccfx(),
-                },
-                {
-                    '数据库名': '聚合数据',
-                    '集合名': '多店推广场景_按日聚合',
-                    '唯一主键': [],
-                    '数据主体': sdq.tg_by_day(),
-                },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫_关键词报表',
+                #     '唯一主键': ['日期', '推广渠道', '营销场景', '商品id', '花费', '词类型', '词名字/词包名字',],
+                #     '数据主体': sdq.tg_gjc(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫_超级直播',
+                #     '唯一主键': ['日期', '推广渠道', '营销场景', '花费'],
+                #     '数据主体': sdq.tg_cjzb(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '京东_关键词报表',
+                #     '唯一主键': ['日期', '产品线', '搜索词',  '关键词', '展现数', '花费'],
+                #     '数据主体': sdq.jd_gjc(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫_品销宝账户报表',
+                #     '唯一主键': ['日期', '报表类型', '推广渠道', '营销场景', '花费'],
+                #     '数据主体': sdq.pxb_zh(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '天猫店铺来源_手淘搜索',
+                #     '唯一主键': ['日期', '关键词', '访客数'],
+                #     '数据主体': sdq.tm_search(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '生意参谋_直播场次分析',
+                #     '唯一主键': ['场次id'],
+                #     '数据主体': sdq.zb_ccfx(),
+                # },
+                # {
+                #     '数据库名': '聚合数据',
+                #     '集合名': '多店推广场景_按日聚合',
+                #     '唯一主键': [],
+                #     '数据主体': sdq.tg_by_day(),
+                # },
             ]
             for items in data_dict:  # 遍历返回结果
                 db_name, table_name, unique_key_list, df = items['数据库名'], items['集合名'], items['唯一主键'], items['数据主体']
@@ -1713,53 +1753,53 @@ def data_aggregation(service_databases=[{}], months=1):
                         icm_update=unique_key_list,
                         service_database=service_database,
                     )  # 3. 回传数据库
-            res = g.performance(bb_tg=True)   # 盈亏表，依赖其他表，单独做
-            m.df_to_mysql(
-                df=res,
-                db_name='聚合数据',
-                table_name='_全店商品销售',
-                move_insert=True,  # 先删除，再插入
-                # df_sql=True,
-                # drop_duplicates=False,
-                # icm_update=['日期', '商品id'],  # 设置唯一主键
-                service_database=service_database,
-            )
-            res = g.performance(bb_tg=False)  # 盈亏表，依赖其他表，单独做
-            m.df_to_mysql(
-                df=res,
-                db_name='聚合数据',
-                table_name='_推广商品销售',
-                move_insert=True,  # 先删除，再插入
-                # df_sql=True,
-                # drop_duplicates=False,
-                # icm_update=['日期', '商品id'],  # 设置唯一主键
-                service_database=service_database,
-            )
-
-            res = g.performance_concat(bb_tg=False)  # 推广主体合并直播表，依赖其他表，单独做
-            m.df_to_mysql(
-                df=res,
-                db_name='聚合数据',
-                table_name='天猫_推广汇总',
-                move_insert=True,  # 先删除，再插入
-                # df_sql=True,
-                # drop_duplicates=False,
-                # icm_update=['日期', '推广渠道', '营销场景', '商品id', '花费', '展现量', '点击量'],  # 设置唯一主键
-                service_database=service_database,
-            )
-
-
-            res = g.performance_jd(jd_tg=False)  # 盈亏表，依赖其他表，单独做
-            m.df_to_mysql(
-                df=res,
-                db_name='聚合数据',
-                table_name='_京东_推广商品销售',
-                move_insert=True,  # 先删除，再插入
-                # df_sql=True,
-                # drop_duplicates=False,
-                # icm_update=['日期', '跟单sku id', '货号', '花费'],  # 设置唯一主键
-                service_database=service_database,
-            )
+            # res = g.performance(bb_tg=True)   # 盈亏表，依赖其他表，单独做
+            # m.df_to_mysql(
+            #     df=res,
+            #     db_name='聚合数据',
+            #     table_name='_全店商品销售',
+            #     move_insert=True,  # 先删除，再插入
+            #     # df_sql=True,
+            #     # drop_duplicates=False,
+            #     # icm_update=['日期', '商品id'],  # 设置唯一主键
+            #     service_database=service_database,
+            # )
+            # res = g.performance(bb_tg=False)  # 盈亏表，依赖其他表，单独做
+            # m.df_to_mysql(
+            #     df=res,
+            #     db_name='聚合数据',
+            #     table_name='_推广商品销售',
+            #     move_insert=True,  # 先删除，再插入
+            #     # df_sql=True,
+            #     # drop_duplicates=False,
+            #     # icm_update=['日期', '商品id'],  # 设置唯一主键
+            #     service_database=service_database,
+            # )
+            #
+            # res = g.performance_concat(bb_tg=False)  # 推广主体合并直播表，依赖其他表，单独做
+            # m.df_to_mysql(
+            #     df=res,
+            #     db_name='聚合数据',
+            #     table_name='天猫_推广汇总',
+            #     move_insert=True,  # 先删除，再插入
+            #     # df_sql=True,
+            #     # drop_duplicates=False,
+            #     # icm_update=['日期', '推广渠道', '营销场景', '商品id', '花费', '展现量', '点击量'],  # 设置唯一主键
+            #     service_database=service_database,
+            # )
+            #
+            #
+            # res = g.performance_jd(jd_tg=False)  # 盈亏表，依赖其他表，单独做
+            # m.df_to_mysql(
+            #     df=res,
+            #     db_name='聚合数据',
+            #     table_name='_京东_推广商品销售',
+            #     move_insert=True,  # 先删除，再插入
+            #     # df_sql=True,
+            #     # drop_duplicates=False,
+            #     # icm_update=['日期', '跟单sku id', '货号', '花费'],  # 设置唯一主键
+            #     service_database=service_database,
+            # )
 
 
     # 这里要注释掉，不然 copysh.py 可能有问题，这里主要修改配置文件，后续触发 home_lx 的 optimize_datas.py(有s)程序进行全局清理
@@ -1774,4 +1814,3 @@ if __name__ == '__main__':
     data_aggregation(service_databases=[{'company': 'mysql'}], months=1)  # 正常的聚合所有数据
     # data_aggregation_one(service_databases=[{'company': 'mysql'}], months=1)  # 单独聚合某一个数据库，具体库进函数编辑
     # optimize_data.op_data(service_databases=[{'company': 'mysql'}], days=3650)  # 立即启动对聚合数据的清理工作
-

mdbq/pbix/refresh_all.py

@@ -4,6 +4,7 @@ import win32com.client
 import time
 import psutil
 from pywinauto.application import Application
+import datetime
 import warnings
 # from mdbq.config import set_support
 
@@ -21,7 +22,8 @@ class RefreshAll:
     def refresh_pbix(self, file):
         # 刷新 PBI
         if not os.path.isfile(file):
-            print(f'{file} ->  文件不存在')
+            now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S ')
+            print(f'{now}{file} ->  文件不存在')
             return
         # with open(self.pbix_path, 'r', encoding='utf-8') as f:
         #     content = f.readlines()
@@ -37,18 +39,21 @@ class RefreshAll:
         """刷新程序"""
         for es in range(4):
             try:
-                print(f'正在刷新 >>>{file}')
+                now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S ')
+                print(f'{now}正在刷新 >>>{file}')
                 self.pbi(path=file)
-                print('文件已刷新!')
+                # print('文件已刷新!')
                 break
             except Exception as e:
                 print(e)
-                print('报错的文件 >>>' + file + ' >> ' + str(es + 1))
+                now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S ')
+                print(f'{now}报错的文件 >>>' + file + ' >> ' + str(es + 1))
 
     def refresh_excel(self, file):
         # 刷新 excel
         if not os.path.isfile(file):
-            print(f'{file} ->  文件不存在')
+            now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S ')
+            print(f'{now}{file} ->  文件不存在')
             return
         if not file.endswith('.xlsx') and not file.endswith('.xls'):
             return
@@ -61,7 +66,8 @@ class RefreshAll:
         # if not excel_list:
         #     return
         try:
-            print(f'正在刷新 >>>{file}')
+            now = datetime.datetime.now().strftime('%Y-%m-%d %H:%M:%S ')
+            print(f'{now}正在刷新 >>>{file}')
             xlapp = win32com.client.Dispatch('Excel.Application')  # 创建Excel程序App
             xlapp.Visible = False  # 窗口是否可见
             xlapp.DisplayAlerts = False  # 是否显示警告信息
@@ -78,7 +84,7 @@ class RefreshAll:
                 wb.Save()
                 wb.Close(SaveChanges=True)
                 xlapp.Quit()
-            print('文件已刷新!')
+            # print('文件已刷新!')
         except Exception as e:
             print(file, e)
 

{mdbq-2.2.1.dist-info → mdbq-2.2.3.dist-info}/METADATA

@@ -1,6 +1,6 @@
 Metadata-Version: 2.1
 Name: mdbq
-Version: 2.2.1
+Version: 2.2.3
 Home-page: https://pypi.org/project/mdbsql
 Author: xigua, 
 Author-email: 2587125111@qq.com

{mdbq-2.2.1.dist-info → mdbq-2.2.3.dist-info}/RECORD

@@ -5,7 +5,7 @@ mdbq/aggregation/aggregation.py,sha256=98pECXV6yw7XSjoLnJBgHIQWM2s2aaB8ii5qNebAI
 mdbq/aggregation/df_types.py,sha256=U9i3q2eRPTDY8qAPTw7irzu-Tlg4CIySW9uYro81wdk,8125
 mdbq/aggregation/mysql_types.py,sha256=DQYROALDiwjJzjhaJfIIdnsrNs11i5BORlj_v6bp67Y,11062
 mdbq/aggregation/optimize_data.py,sha256=Wis40oL04M7E1pkvgNPjyVFAUe-zgjimjIVAikxYY8Y,4418
-mdbq/aggregation/query_data.py,sha256=h8AHq0v8xvsGjqoCZkAH1ZXZ3n05Q-JETVR6WDWzCyg,82334
+mdbq/aggregation/query_data.py,sha256=2ZxfuqMWndrWg8mOzR2INW27g7AQjoluJFMJuxJq4Pc,85683
 mdbq/bdup/__init__.py,sha256=AkhsGk81SkG1c8FqDH5tRq-8MZmFobVbN60DTyukYTY,28
 mdbq/bdup/bdup.py,sha256=LAV0TgnQpc-LB-YuJthxb0U42_VkPidzQzAagan46lU,4234
 mdbq/clean/__init__.py,sha256=A1d6x3L27j4NtLgiFV5TANwEkLuaDfPHDQNrPBbNWtU,41
@@ -35,10 +35,10 @@ mdbq/other/sku_picture.py,sha256=vHHnajaS6Nz2sEduENihEUY_ZMhyBuQO7WuzrXSDSXM,481
 mdbq/other/ua_sj.py,sha256=JuVYzc_5QZ9s_oQSrTHVKkQv4S_7-CWx4oIKOARn_9U,22178
 mdbq/pbix/__init__.py,sha256=Trtfaynu9RjoTyLLYBN2xdRxTvm_zhCniUkVTAYwcjo,24
 mdbq/pbix/pbix_refresh.py,sha256=JUjKW3bNEyoMVfVfo77UhguvS5AWkixvVhDbw4_MHco,2396
-mdbq/pbix/refresh_all.py,sha256=M8g42JEJuKnSgugHIG9ZkLXrm3KPHYRKi2Uv0XYlKnE,5499
+mdbq/pbix/refresh_all.py,sha256=viOlLCmz9zg61Q2nzjgl8dChfQxnxRd1A_jmQMb2oDM,5918
 mdbq/pbix/refresh_all_old.py,sha256=_pq3WSQ728GPtEG5pfsZI2uTJhU8D6ra-htIk1JXYzw,7192
 mdbq/spider/__init__.py,sha256=RBMFXGy_jd1HXZhngB2T2XTvJqki8P_Fr-pBcwijnew,18
-mdbq-2.2.1.dist-info/METADATA,sha256=9k0-Dze1iVspgpsGXhg_EWjKuc2FrKtYFw-mjf1HVSk,245
-mdbq-2.2.1.dist-info/WHEEL,sha256=eOLhNAGa2EW3wWl_TU484h7q1UNgy0JXjjoqKoxAAQc,92
-mdbq-2.2.1.dist-info/top_level.txt,sha256=2FQ-uLnCSB-OwFiWntzmwosW3X2Xqsg0ewh1axsaylA,5
-mdbq-2.2.1.dist-info/RECORD,,
+mdbq-2.2.3.dist-info/METADATA,sha256=W3NlmpUi3QhHKBvVmpGSh6puSIY-MYntvTiWCQJb4eo,245
+mdbq-2.2.3.dist-info/WHEEL,sha256=eOLhNAGa2EW3wWl_TU484h7q1UNgy0JXjjoqKoxAAQc,92
+mdbq-2.2.3.dist-info/top_level.txt,sha256=2FQ-uLnCSB-OwFiWntzmwosW3X2Xqsg0ewh1axsaylA,5
+mdbq-2.2.3.dist-info/RECORD,,