㊗️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：⭐⭐⭐⭐⭐（专家级） 🉐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 为什么要爬公开慈善项目数据
- 2.2 本文目标站点与公开来源
- 2.3 目标字段清单
- 3️⃣ 合规与注意事项（必写）
-
- 3.1 robots.txt 的基本说明
- 3.2 频率控制，不要攻击式并发
- 3.3 不采集敏感信息
- 3.4 不绕过付费、登录、验证码和访问限制
- 4️⃣ 技术选型与整体流程（What/How）
-
- 4.1 静态、动态与 API：本文属于哪一种
- 4.2 整体流程
- 4.3 为什么选择 requests、BeautifulSoup、lxml、SQLite
- 5️⃣ 环境准备与依赖安装（可复现）
-
- 5.1 Python 版本
- 5.2 安装依赖
- 5.3 推荐项目结构
- 6️⃣ 核心实现：请求层（Fetcher）
-
- 6.1 配置文件 config.yaml
- 6.2 请求层代码 crawler/http.py
- 6.3 headers、timeout、session/cookie 的说明
- 6.4 失败处理：重试与退避
- 7️⃣ 核心实现：解析层（Parser）
-
- 7.1 数据模型 crawler/models.py
- 7.2 工具函数 crawler/utils.py
- 7.3 HTML 解析器 crawler/parser.py
- 7.4 列表页如何拿详情链接
- 7.5 详情页如何抽字段
- 7.6 缺失字段怎么办
- 8️⃣ 数据存储与导出（Storage）
-
- 8.1 钩稽校验逻辑 crawler/validators.py
- 8.2 SQLite 存储 crawler/storage.py
- 8.3 字段映射表
- 8.4 去重策略
- 9️⃣ 运行方式与结果展示（必写）
-
- 9.1 Pipeline 代码 crawler/pipeline.py
- 9.2 入口文件 run.py
- 9.3 本地示例页面 data/fixtures/list.html
- 9.4 详情页 data/fixtures/detail-001.html
- 9.5 详情页 data/fixtures/detail-002.html
- 9.6 详情页 data/fixtures/detail-003.html
- 9.7 如何启动
- 9.8 示例结果展示
- 🔟 常见问题与排错（强烈建议写）
-
- 10.1 遇到 403 怎么办
- 10.2 遇到 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 编码乱码如何处理
- 10.6 金额单位不统一怎么办
- 10.7 明细合计和总额不一致怎么办
- 1️⃣1️⃣ 进阶优化（可选但加分）
-
- 11.1 并发优化
- 11.2 asyncio
- 11.3 Scrapy
- 11.4 断点续跑
- 11.5 日志与监控
- 11.6 定时任务
- 11.7 项目变更追踪
- 11.8 可视化分析
- 1️⃣2️⃣ 总结与延伸阅读
- 🌟 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
