广东省公共资源交易平台爬虫

本项目是一个 Python 爬虫程序，用于抓取 广东省公共资源交易平台 的中标结果公告。

功能特性

• 精准筛选：通过 tradingProcess 字段直接筛选中标结果，无需标题关键词过滤。
• 日期范围查询：支持指定开始和结束日期，默认为最近3个月。
• 高效分页：每页 50 条记录，自动处理多页数据抓取。
• API 时间过滤：时间参数直接通过接口 publishStartTime 和 publishEndTime 传入，减少无效数据传输。
• 动态构造 URL：根据接口返回字段自动生成可直接访问的详情页链接。
• 纯 HTTP 请求：直接使用 aiohttp 调用官方 API，无需浏览器，轻量高效。
• CSV 实时保存：数据实时保存到 CSV 文件（带 UTF-8 BOM，Excel 可直接打开），同时输出到终端。
• 自定义输出路径：支持通过参数指定输出文件路径。
• 增量爬取：自动从已有 CSV 文件计算时间范围，只抓取新数据，避免重复。如需全量查询，删除 CSV 文件即可。
• 数据排序：新数据在前，旧数据在后，按发布时间倒序排列。

环境要求

• Python 3.8+

安装步骤

1. 克隆项目并进入目录

   cd ygp-gdzwfw-gov-cn
   

2. 创建并激活虚拟环境 (推荐)

   python3 -m venv venv
   source venv/bin/activate  # macOS/Linux
   # 或 venv\Scripts\activate  # Windows
   

3. 安装依赖

   pip install -r requirements.txt
   

使用方法

1. 抓取最近3个月的数据 (默认)

直接运行脚本，程序将自动抓取最近3个月的中标结果公告。

python main.py

2. 抓取指定日期范围

使用 --start-date 和 --end-date 参数（格式：YYYY-MM-DD）。

python main.py --start-date 2026-02-01 --end-date 2026-02-04

示例：抓取最近7天的数据

python main.py --start-date 2026-01-29 --end-date 2026-02-05

3. 自定义输出文件路径

使用 -o 或 --output 参数指定输出 CSV 文件的路径（默认为 results.csv）。

python main.py --start-date 2026-02-01 --end-date 2026-02-04 -o my_data.csv

4. 增量爬取（默认开启）

脚本默认启用增量爬取模式。会自动读取已有 CSV 文件，计算时间范围，只抓取新数据。

自动计算日期范围（推荐）：

# 自动从已有数据的最新日期+1开始，爬取到今天
python main.py

手动指定日期范围：

# 手动指定日期范围（仍会去重）
python main.py --start-date 2026-02-01 --end-date 2026-02-04

全量查询：

# 删除 CSV 文件后运行，即可进行全量查询
rm results.csv
python main.py

增量爬取特性：

• 自动识别已有 CSV 文件中的数据时间范围
• 自动去重（根据详情链接判断）
• 新数据插入到文件前面，旧数据保留在后面
• 如果无新数据可抓取，自动退出

数据输出示例

终端输出（JSON 格式，便于阅读）

{
  "项目标题": "某某项目中标结果公示",
  "发布时间": "2026-02-04 17:30:02",
  "详细链接": "https://ygp.gdzwfw.gov.cn/#/44/new/jygg/v3/A?noticeId=..."
}

CSV 文件格式

项目标题,发布时间,详细链接
某某项目中标结果公示,2026-02-04 17:30:02,https://ygp.gdzwfw.gov.cn/#/44/new/jygg/v3/A?...

使用提示

用 Excel/WPS 打开 CSV 文件

CSV 文件可直接用 Excel、WPS 等表格软件打开，请注意以下事项：

1. 另存为 .xlsx 格式（推荐）

   • 打开 CSV 后，建议立即另存为 .xlsx 格式，避免数据格式丢失
   • 操作：文件 → 另存为 → 选择 .xlsx 格式

2. 选择分隔符（如提示）

   • 如果软件提示选择分隔符，请选择逗号（,）
   • 数据导入向导中，分隔符类型选择"逗号"

3. 编码设置（如中文乱码）

   • 本 CSV 已添加 UTF-8 BOM 标记，一般可直接识别
   • 如遇乱码，请选择编码为 UTF-8