4 Commits

Author	SHA1	Message	Date
oy2020	dbe9ba3629	新增标题层级处理规则：1. 新增主页链接；2.新增docx后处理，合并同一层级的标题；3. 优化层级，h1不重复	2026-02-09 18:53:32 +08:00
oy2020	c707704d80	更新爬虫方案文档，增加摘要提取模块以生成文档摘要；优化基础爬虫类的标题提取逻辑，支持多个选择器，调整内容处理逻辑以去除重复标题。	2026-01-31 16:34:13 +08:00
oy2020	3c625d1c3a	更新爬虫方案文档，增加服务与支持-详细页面的输出信息；优化基础爬虫类，增强标题提取和内容去重逻辑；根据doc2md.py调整图片处理逻辑以改善Word文档生成效果。	2026-01-31 09:30:33 +08:00
oy2020	51b67b9e68	初始提交：零差云控官网爬虫项目	2026-01-29 17:29:14 +08:00