政务网站政策列表抓取：探测→分类→选择器→噪音治理
给抓取系统批量接入全国 36 个省级税务局等政务站点时踩过的坑：瑞数 412 死路判定、泛域名假阳性、hanweb recordset 双重转义还原、转载去重与栏目噪音治理的完整复盘。
反爬
自托管服务挂 CF 后，Python 默认 UA 被 403
给挂了 Cloudflare 橙云的自建服务写 Python 巡检脚本，浏览器和 curl 全 200、urllib 裸请求却 403——记一次「本地全对、线上 403」的排障，以及把工作区脚本统一补上 User-Agent 的过程。