📍 WDQWDWQD987AAAAA:216.73.217.32
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /6ee8923cbeab.html
📄

采集规则编写如何制定阶段性交付物：从假设项目拆解到验收

采集规则编写的阶段性交付物，应当围绕“规则能独立运行并被他人验证”来划分，而不是按写了几条正则、填了多少字段来交差。每一阶段都要有可检查的输入、输出和验收标准，让协作者知道现在能做什么、还不能做什么。

假设一个三人协作的采集项目

假设三人分工：A负责列表页翻页与详情页链接提取，B负责详情页字段抽取，C负责入库与去重。如果只约定“两周后交规则”，常见结果是A改了链接格式没通知B，B按旧样例写完字段，C拿到的数据缺主键，最后一起返工。把交付物按依赖关系切开，就能避免这种连锁问题。

四个阶段的交付物与验收标准

1. 阶段一：目标页面与字段清单。交付一份字段表，写明每个字段的来源页面、示例值、是否必填、空值如何处理。验收标准是：任意一名协作者能指着清单说出某个字段从哪来。
2. 阶段二：单页可运行规则。交付针对一个已保存页面的规则，能稳定抽出全部必填字段。验收标准是：换三个不同样例页面重跑，必填字段无缺失、无明显错位。
3. 阶段三：列表与翻页规则。交付从入口页到详情页的链接发现与翻页逻辑，包含终止条件。验收标准是：能连续采集至少两页并正确去重，翻到末页时正常停止而不是死循环。
4. 阶段四：批量运行与异常处理。交付失败重试、超时跳过、日志记录方式。验收标准是：人为断网或改一个选择器后，能定位到具体失败的页面和字段。

每个阶段要写清的接口约定

多人协作时，返工大多来自接口不明确。规则编写至少要约定三件事：字段命名与类型、页面标识的生成方式、异常数据的存放位置。例如详情页链接作为唯一标识，就必须在阶段一确定是否带参数、是否统一小写。若等到阶段四才发现同一页面有两种链接形态，去重逻辑就要重写。

一个可执行的检查项：在阶段二结束时，让不写规则的人按字段清单人工核对五个页面，记录不一致处。如果人工核对结果与规则输出差异超过预期，说明字段定义本身模糊，应先改清单再改规则。

常见错误与判断结果

• 把“规则写完”当交付。判断结果：接手的人无法独立运行，说明缺少运行说明和样例输入。
• 一次交付全部规则。判断结果：出错时无法判断是字段抽取问题还是翻页问题，排查成本上升。
• 只交规则不交样例页面。判断结果：页面结构变化后无法回归测试，只能凭记忆修。
• 验收标准写成“基本正确”。判断结果：不同人对“基本”理解不同，争议会在联调时集中爆发。

适用条件方面：页面结构稳定、字段数量少的项目，阶段可以合并；页面模板多、字段来源跨页面的项目，阶段要拆得更细。判断依据是依赖关系，而不是工作量大小。

下一步可以怎么做

先为当前项目写出一页字段清单，标出每个字段的来源页面与必填性，再据此确定第一阶段交付物。清单没定下来之前，不建议开始写抽取规则。