㊗️本期内容已收录至专栏《Python爬虫实战》，持续完善知识体系与项目实战，建议先订阅收藏，后续查阅更方便～
㊙️本期爬虫难度指数：⭐⭐⭐⭐☆（高级）
🉐福利：一次订阅后，专栏内的所有文章可永久免费看，持续更新中，保底1000+(篇)硬核实战内容。
全文目录：
- 🌟 开篇语
- 0️⃣ 前言（Preface）
- 1️⃣ 摘要（Abstract）
- 2️⃣ 背景与需求（Why）
- 2.1 为什么要采集公共科研数据门户
- 2.2 本文目标站点与目标字段
- 3️⃣ 合规与注意事项（必写）
- 3.1 先看 robots.txt，但不要只看 robots.txt
- 3.2 频率控制，不做攻击式并发
- 3.3 不采集敏感信息，不绕过限制
- 3.4 中性使用代理
- 4️⃣ 技术选型与整体流程（What/How）
- 4.1 静态、动态、API：本文属于哪一种
- 4.2 整体流程
- 4.3 为什么选择 requests，而不是 Scrapy 或 Playwright
- 5️⃣ 环境准备与依赖安装（可复现）
- 5.1 Python 版本
- 5.2 创建虚拟环境
- 5.3 安装依赖
- 5.4 推荐项目结构
- 6️⃣ 核心实现：请求层（Fetcher）
- 6.1 `.env.example`
- 6.2 `src/config.py`
- 6.3 `src/fetcher.py`
- 7️⃣ 核心实现：解析层（Parser）
- 7.1 解析思路
- 7.2 `src/parser.py`
- 7.3 缺失字段怎么办
- 8️⃣ 数据存储与导出（Storage）
- 8.1 字段映射表
- 8.2 去重策略
- 8.3 `src/storage.py`
- 9️⃣ 运行方式与结果展示（必写）
- 9.1 搜索条件矩阵
- `src/matrix.py`
- 9.2 导出 CSV
- `src/exporter.py`
- 9.3 主入口
- `src/main.py`
- 9.4 启动命令
- 9.5 输出位置
- 9.6 示例结果展示
- 🔟 常见问题与排错（强烈建议写）
- 10.1 403 怎么办
- 10.2 429 怎么办
- 10.3 HTML 抓到空壳怎么办
- 10.4 解析报错怎么办
- 10.5 编码或乱码如何处理
- 10.6 SQLite 锁表怎么办
- 10.7 为什么格式筛选不完全准确
- 10.8 为什么作者字段看起来像机构名
- 1️⃣1️⃣ 进阶优化（可选但加分）
- 11.1 并发优化
- 11.2 asyncio 版本
- 11.3 断点续跑
- 11.4 日志与监控
- 11.5 定时任务
- 11.6 数据库升级
- 11.7 字段质量评分
- 11.8 搜索条件矩阵配置化
- 1️⃣2️⃣ 总结与延伸阅读
- 附录：README 示例
- Run
- 🌟 文末
- ✅ 专栏持续更新中｜建议收藏 + 订阅
- ✅ 互动征集
- ✅ 免责声明
🌟 开篇语
哈喽，各位小伙伴们你们好呀～我是【喵手】。
运营社区： C站 / 掘金 / 腾讯云 / 阿里云 / 华为云 / 51CTO
欢迎大家常来逛逛，一起学习，一起进步～🌟
我长期专注Python 爬虫工程化实战，主理专栏👉 《Python爬虫实战》：从采集策略到
