招投标信息采集与搜索（实习）
用 Python 从 5 个政务站点采集公告，清洗入库后做成可检索站点。
我的角色：智慧广电实习 · 多源爬虫取数为主，并参与检索站点部分开发 / 测试 / 部署。
把 5 个信息源的招投标公告采集入库，做成可检索、可筛选、可导出 CSV 的搜索站点。
- 5 个站点采集来源政府采购 / 公共资源 / 邮政等
- 约 9000+ 条联调库规模验收截图最高约 9321
- 676 条页内样例公开公告导出子集
- 目标网站 · 5 站
- Python 爬虫
- 清洗入库
- 搜索 · 筛选导出
侧重点
同一案例，可按分析或交付侧重点查看
- 主线：5 站采集 → 清洗入库 → 检索 / 筛选 / 导出。
- 证据：联调截图（约 9000+）+ 676 条公开公告样例。
- 完成联调验收，未长期正式运营。
- 说明数据从哪来、如何可查；用户结构专题见套餐页。
- 样例字段：标题、时间、来源、关键词。
核心发现
-
多源站点要分别适配
各站字段与反爬不同：简单站用 requests + BeautifulSoup，复杂站用 Playwright（广东站含验证码 OCR）。
覆盖 5 个公开信息源；联调截图与页内样例证明可入库、可检索。
-
采集结果进入检索站
标题、时间、来源、关键词入库后，支持检索、筛选、CSV 导出与手动触发爬取。
截图为联调环境（约 8600+ / 9321）；页内表为 676 条公开公告子集。
分析图库
招投标搜索首页：关键词、快捷词、日期与来源筛选、导出 CSV
说明 入库后可在站内检索；该帧约 8600+，与联调约 9000+ 同量级。
局限 联调环境截图，非公网可登录站；条数随爬取变化。
下一步 下方样例表演示同一套字段（标题 / 时间 / 来源 / 关键词）。
标讯样例检索
公开公告样例 · 676 条 · 按来源 / 关键词过滤（联调库约 9000+ 见截图）
加载中…
| 标题 | 发布时间 | 来源 | 关键词 |
|---|
功能模块
检索能力说明 · 证据见上方截图与样例表
关键词检索
支持标题关键词检索，以及任意匹配 / 全部匹配；首页提供专线、短信、政务云、广东等快捷关键词，降低业务侧记忆成本。
条件筛选
可按起止日期、网站来源筛选，并按时间升降序查看；筛空时给出可理解的空态，而不是空白页。
结果列表
列表对齐业务阅读习惯：标题、发布时间、来源站点与命中关键词一眼可见，减少反复点开详情。
导出与更新
支持导出 CSV；可手动触发爬取并查看运行状态（见联调截图）。
案例说明
背景
招投标信息分散在多个政务公开站点。实习于广东智慧广电物联网科技有限公司（2025.08–2025.12），参与 招投标信息采集与搜索：以 Python 多源爬虫 为主，清洗入库后做成可检索站点，并参与部分开发 / 测试 / 部署。完成联调验收，未长期正式运营。同期用户结构专题见 广电用户场景 · 套餐与在网分析。
我做了什么
- 多源采集（重点）：覆盖中国政府采购网、广东政府采购网、公共资源交易平台等 5 站；简单站
requests+ BeautifulSoup，复杂站 Playwright（广东站含验证码 OCR）。 - 清洗入库：统一标题、时间、来源、关键词等字段。
- 检索站点：参与检索、筛选、列表、CSV 导出与爬取更新等模块的开发、测试与部署。
- 范围：止于采集与检索。本页不贴可跑通整仓代码。
本页提供什么
- 采集链路与多源适配说明
- 联调 UI 截图（约 8600+ / 9321）
- 676 条公开公告样例检索
局限
未长期正式运营；页内为公开公告样例（非联调全量）。脚本密钥已剥离。
实习项目。约 9000+ 为联调验收截图规模（最高约 9321）；页内 676 条为公开公告导出子集。脚本密钥已剥离，非可再跑通工程。未长期正式运营。