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

• 关键字过滤：自动筛选标题中包含“中标结果”的公告。
• 日期过滤：支持指定开始和结束日期，默认为抓取当天数据。
• 自动分页：自动处理多页数据抓取。
• 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，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：支持从已有 CSV 文件自动计算时间范围，只抓取新数据，避免重复。
• 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. 抓取今天发布的数据 (默认)

直接运行脚本，程序将自动抓取发布日期为今天的“中标结果”公告。

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

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

4. 增量爬取

使用 -i 或 --incremental 参数启用增量爬取模式。脚本会自动读取已有 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 ygp_crawler.py -i

手动指定日期范围：

# 在增量模式下手动指定日期范围
python ygp_crawler.py -i --start-date 2026-02-01 --end-date 2026-02-04

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?...