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

zeroerr_crawler

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

.gitignore

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

1_零差云控官网爬虫方案.md

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

main.py

初始提交：零差云控官网爬虫项目

2026-01-29 17:29:14 +08:00

requirements.txt

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

Description

No description provided

118 MiB

Languages

Python 100%