选题先问数据能不能长出来：硬件行情平台是怎么定下来的
毕设立题时有四个候选方向：全栈平台、算法深度、数据中台治理、智能体应用。这篇记录我怎么做取舍——把卖点建立在"现有数据当天就能出结果"的能力上，以及为什么"预测"这个词必须从题目里拿掉。
阅读本章 返回项目
硬件行情湖仓数据平台
HWLens：从多源采集与数据契约、跨源实体对齐与口径单点化，到湖仓分阶段改造和前端上线的完整工程记录。
- 01
第 1 节 · 工程笔记 · 3分钟阅读 - 02
第 2 节 · 工程笔记 · 3分钟阅读 爬虫也要有数据契约：price_status、schema_version 与原始页面留档
采集层最划算的设计不是选择器写得多稳，而是把"这一行现在处于什么状态"显式写进字段里。记录 price_status / schema_version / parser_version / 行级页面级指纹的设计，以及为什么原始 HTML 必须留档。
阅读本章 - 03
第 3 节 · 工程笔记 · 3分钟阅读 两个源的脾气：编码、兜底页、分页回绕和 503 死循环
ZOL 和 PConline 一个把规格写成营销长句、一个给结构化键值对；一个超页数返回 200 兜底页、一个直接回绕到首页推荐。记录终止判据、编码、选择器兼容和那次把整晚跑成空转的 503 退避死循环。
阅读本章
1–3 / 14 节继续下一节