高空气象探空站目录采集：用 Python 把编号型站点资料规整入库

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 控制频率，不做攻击式并发
    • 3.3 不采集敏感信息，不绕过付费或登录限制
    • 3.4 保留来源字段，方便追溯
  • 4️⃣ 技术选型与整体流程（What/How）
  • • 4.1 静态、动态还是 API？
    • 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 配置文件：app/config.py
    • 6.2 工具函数：app/utils.py
    • 6.3 请求层代码：app/fetcher.py
    • 6.4 请求层设计说明
  • 7️⃣ 核心实现：解析层（Parser）
  • • 7.1 解析方式选择
    • 7.2 数据模型：app/models.py
    • 7.3 固定宽度解析器：app/parser_igra.py
    • 7.4 列表页如何拿详情链接？
    • 7.5 HTML 列表页与详情页解析：app/parser_html.py
    • 7.6 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 存储层代码：app/storage.py
  • 9️⃣ 运行方式与结果展示（必写）
  • • 9.1 命令行入口：app/cli.py
    • 9.2 初始化文件：app/**init**.py
    • 9.3 启动采集
    • 9.4 快速测试
    • 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 编码或乱码怎么处理？
    • 10.6 SQLite 写入失败怎么办？
    • 10.7 观测频率为什么不是直接字段？
  • 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 日志与监控
    • 11.5 定时任务
    • 11.6 数据质量检查
    • 11.7 单元测试
  • 1️⃣2️⃣ 总结与延伸阅读
  • • 方向一：改造成 Scrapy 项目
    • 方向二：接入 Playwright
    • 方向三：做地图可视化
    • 方向四：做增量对比
    • 方向五：接入数据仓库
  • 🌟 文末
  • • ✅ 专栏持续更新中｜建议收藏 + 订阅
    • ✅ 互动征集
    • ✅ 免责声明