地铁站点设施与运营公告聚合平台：基于 Python 的爬虫采集、层级建模与设施状态快照实战

全文目录：

• • 🌟 开篇语
  • 0️⃣ 前言（Preface）
  • 1️⃣ 摘要（Abstract）
  • 2️⃣ 背景与需求（Why）
  • • 2.1 为什么要做地铁站点设施聚合
    • 2.2 本项目的目标
    • 2.3 目标来源
    • 2.4 目标字段清单
  • 3️⃣ 合规与注意事项
  • • 3.1 robots.txt 基本说明
    • 3.2 频率控制
    • 3.3 不采集敏感信息
    • 3.4 中性使用原则
  • 4️⃣ 技术选型与整体流程（What/How）
  • • 4.1 静态、动态与 API 的区别
    • 4.2 为什么选择 requests + BeautifulSoup + SQLite
    • 4.3 整体流程
    • 4.4 分层设计
  • 5️⃣ 环境准备与依赖安装
  • • 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 headers 设置
    • 6.2 timeout 设置
    • 6.3 session 与 cookie
    • 6.4 失败处理与退避
    • • `metro_crawler/fetcher.py`
  • 7️⃣ 核心实现：解析层（Parser）
  • • 7.1 解析方式选择
    • 7.2 列表页如何拿详情链接
    • 7.3 详情页如何抽字段
    • 7.4 缺失字段怎么办
    • • `metro_crawler/parser.py`
  • 8️⃣ 数据存储与导出（Storage）
  • • 8.1 存储方式选择
    • 8.2 数据表设计
    • 8.3 字段映射表
    • 8.4 去重策略
    • • `metro_crawler/storage.py`
  • 9️⃣ 运行方式与结果展示
  • • 9.1 配置文件
    • • `config.py`
    • 9.2 清洗层
    • • `metro_crawler/cleaner.py`
    • 9.3 工具函数
    • • `metro_crawler/utils.py`
    • 9.4 Pipeline 调度层
    • • `metro_crawler/pipeline.py`
    • 9.5 入口文件
    • • `run.py`
    • 9.6 本地样例数据
    • • `data/samples/station_list.html`
      • `data/samples/station_detail.html`
      • `data/samples/notices.html`
      • `data/samples/elevator_status.json`
    • 9.7 启动命令
    • 9.8 示例输出
  • 🔟 常见问题与排错
  • • 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 编码乱码怎么办
    • 10.6 站名重复怎么办
    • 10.7 公告如何关联线路和车站
  • 1️⃣1️⃣ 进阶优化
  • • 11.1 并发优化
    • 11.2 asyncio 版本思路
    • 11.3 断点续跑
    • 11.4 日志与监控
    • 11.5 定时任务
    • 11.6 状态变化提醒
    • 11.7 地图展示
    • 11.8 迁移到 Scrapy
    • 11.9 使用 Playwright
  • 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