09-03 区分 URL 与记录身份

题目

同时安排 b101 的正常地址和别名，检查两项 URL 任务完成而结果只有一本；再增加 edition 查询，解释哪些查询参与资源选择。

推导与做法

URL 表示请求哪份资源，source_id 表示最终保存哪条业务记录。正常地址和别名可以是两项任务，但解析出的 b101 只能留下一个结果。

edition 参与版本选择，不能像追踪参数 from 一样删除。若不同 edition 在业务上也是两本书，结果唯一键还应包含 edition；先明确源站编号的含义，再决定去重键。演示先完成两个地址，核对 jobs_done=2、items=1。

过程图

%% 每个节点保留输入、执行位置或执行后的实际状态。 flowchart TD S0["正常URL与别名：两个任务"] S1["分别请求并解析"] S0 --> S1 S2["两份结果 source_id 都为b101"] S1 --> S2 S3["两个任务done，items仅一行"] S2 --> S3 classDef default fill:#EEF0FB,stroke:#4657B5,color:#24324A linkStyle default stroke:#4657B5

实现与运行

查看带注释实现。本题与相关处理函数放在同一章节代码文件中；启动工具负责定位相邻项目和选择题号。

在配套目录的 爬虫与数据采集/crawler_project 中运行。先按项目 README 执行 uv sync --locked。

# 使用项目解释器运行本题，题号决定执行哪一组演示。
uv run python "../../学习索引/参考实现/代码/ch09.py" 09-03

程序按题号输出处理后的值、查询结果或状态。先和前面的手算比较，再修改一项输入重跑。

查看本题运行结果

# 与上面的手算状态和题目数值逐项比较。
{
  "pages_done": 1,
  "pages_pending": 0,
  "jobs_done": 2,
  "jobs_pending": 0,
  "items": 1
}