木老师标书项目储备

解决的具体问题

手动刷招标网站找项目时，团队常面临三个痛点：

• 慢：逐个页面翻阅公告列表，效率低；
• 漏：依赖人工筛选，容易错过最新标讯；
• 乱：符合条件的项目散落在网页中，缺乏统一管理。

本技能用一套 Python 脚本将流程自动化，覆盖从抓取到建档的完整链路，最终生成结构化项目文件夹，每个项目包含公告原文和资格对照表，帮助团队快速决策。

技能如何工作

核心能力

• API 抓取：直接调用公共资源交易平台的 JSON 接口，避免解析 HTML。

- 已知坑：GET 请求返回 405，必须使用 POST；接口响应慢时需设置 timeout=90s。
- 优化：一次拉取 200 条全库数据，本地按时间窗口筛选，避免分页排序问题。

• 四关过滤：通过正则规则过滤无关项目，包括地域、品类、时间、关键词四层筛选。
• 详情页另存：保存原始 HTML 到项目文件夹，保留排版、图片等元素，同时提取纯文本用于资格提取。

- 并发优化：用 ThreadPoolExecutor 并发抓取详情页，max_workers=4 提升速度。

• 资格对照：从公告中提取资格要求，逐条对照公司台账，生成结构化对照表。

- 关键函数：extract_qualification() 定位章节，split_qual_items() 拆分条目，judge_item() 判断资质匹配。
- 结论图例：✅ 满足 / ⚠️ 需核实 / ○ 通用 / — 无要求 / ❓ 待核实。

关键步骤

1. 配置参数：脚本顶部「可配置区」包含 SITE、HOST、CATEGORY、KEYWORD 等参数，换行业时仅需调整此处和匹配规则。
2. 抓取列表：通过 API 拉取公告列表，按 RECENT_DAYS 时间窗口筛选。
3. 过滤与分类：四关过滤后生成「适合投列表」和「放弃清单」，放弃清单分四类记录原因。
4. 详情页处理：抓取详情页并另存为 公告原文.html，同时提取资格要求生成 资格对照表.md。
5. 建档产出：每个项目生成独立文件夹，包含 01招标文件/（公告原文 + 资格对照表）和预留的 02~04 子文件夹。

适用边界与注意点

• 换行业需调整：参数和 judge_item 的匹配分支需根据行业特性修改，如食品配送需检查「食品经营许可」，其他行业需调整资质关键词。
• 信用条款处理：「信用中国/失信」类条款统一标 ○ 待查，开标当日需到网站核查，不匹配台账中的 3A 信用证书。
• 并发限制：详情页抓取使用 4 线程并发，若平台限流需降低并发数。
• 输出隔离：所有产出写入项目文件夹，汇总清单同步到脚本目录（仅演示用）。
• 已知坑修复：

- 河南省政府采购网公告正文为 JS 异步加载，build-url.py 已处理动态加载问题。
- extract_qualification 结束标志需避免误切条款，已改为靠「获取采购文件」等章节截断。