宠物展会活动目录监控：用 Python 构建可复用的展会采集、时间序列化与 CSV 导出系统

全文目录：

• • 🌟 开篇语
  • 0️⃣ 前言（Preface）
  • 1️⃣ 摘要（Abstract）
  • 2️⃣ 背景与需求（Why）
  • 3️⃣ 合规与注意事项（必写）
  • • 3.1 robots.txt 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、登录或访问限制
  • 4️⃣ 技术选型与整体流程（What/How）
  • • 4.1 静态、动态和 API 的选择
    • 4.2 整体流程
    • 4.3 为什么选 requests + BeautifulSoup + lxml
  • 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 数据模型 models.py
    • 6.3 请求层 fetcher.py
  • 7️⃣ 核心实现：解析层（Parser）
  • • 7.1 解析层 parser.py
    • 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
  • 8️⃣ 数据清洗、时间序列化与导出（Storage）
  • • 8.1 清洗层 cleaner.py
    • 8.2 时间序列化处理说明
    • 8.3 存储层 storage.py
    • 8.4 字段映射表
    • 8.5 去重策略
  • 9️⃣ 运行方式与结果展示（必写）
  • • 9.1 运行器 runner.py
    • 9.2 命令行入口 main.py
    • 9.3 本地 demo 页面
    • 9.4 启动命令
    • 9.5 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 编码或乱码如何处理
    • 10.6 日期解析不准怎么办
  • 1️⃣1️⃣ 进阶优化（可选但加分）
  • • 11.1 并发优化
    • 11.2 asyncio 版本思路
    • 11.3 断点续跑
    • 11.4 内容变化监控
    • 11.5 日志与监控
    • 11.6 定时任务
    • 11.7 从 CSV 升级到 SQLite
    • 11.8 Scrapy 改造方向
  • 1️⃣2️⃣ 总结与延伸阅读
• 附录：完整代码汇总
• • requirements.txt
  • config.yaml
  • petexpo/models.py
  • petexpo/fetcher.py
  • petexpo/parser.py
  • petexpo/cleaner.py
  • petexpo/storage.py
  • petexpo/runner.py
  • main.py
  • 🌟 文末
  • • ✅ 专栏持续更新中｜建议收藏 + 订阅
    • ✅ 互动征集
    • ✅ 免责声明