爬虫与数据采集
先回看第八、九章与第十七章的书目项目。第一轮能收齐六本书，下一轮可以继续关注来源变化、任务恢复和输出质量。
| 下一步 | 动手任务 | 完成时核对 |
|---|---|---|
| 保存来源与变更 | 为每次采集保存时间、来源编号和原始快照，区分新增、修改与未变 | 重放同一批不重复写入；改一条书目后只产生一次实际更新 |
| 处理更长任务 | 将待采集、进行中、完成和失败记录持久保存，增加重试与任务领取 | 中途结束进程后重开，只继续尚未完成的工作 |
| 适应页面变化 | 用保存的 HTML、JSON 和动态页面分别检查解析步骤 | 字段缺失能定位到来源；页面结构变化有对应失败用例 |
| 形成持续输出 | 定期生成统一 CSV 或 SQLite 结果，再接入查询页面 | 本轮数量、拒收原因、更新时间与页面展示互相对应 |
请求失败时，先区分连接、读取和连接池等待，再决定修改哪一项设置。可以对照 HTTPX 超时说明 复查第八章的客户端配置。采集页数增加后，用 Scrapy 官方教程 将现有的提取、跟页与导出过程放进 Spider，比较任务由谁调度。
动态页面继续练习 Playwright 定位器：按角色、名称或页面结构定位，等到目标内容出现后再读取。给现有练习站增加一页，保留点击前后的页面证据，再把这项操作加入测试。