核心用法
korean-gov-programs 是一款面向韩国政府支持计划（TIPS、小商户、R&D 等）的自动化数据采集技能。用户通过 Python 脚本执行抓取任务，输出符合 JSONL 格式的结构化数据文件，便于后续分析与对接。
执行命令示例：
- 基础采集：
python3 scripts/collect.py --output ./data - 自定义目录：
python3 scripts/collect.py --output /path/to/output - 查看统计：
bash scripts/stats.sh ./data
输出结构：
soho_programs.jsonl— 小商户支持项目gov_programs.jsonl— 政府 R&D/技术创业支持项目.checkpoint.json— 断点状态自动保存
显著优点
1. 断点续传机制：通过 .checkpoint.json 保存进度，中断后可安全恢复，避免重复劳动。
2. 防重复写入：采用 APPEND-ONLY 模式，以 title 字段为键自动跳过重复项，确保数据完整性。
3. 多源整合：覆盖企业广场(BizInfo)、NIA 韩国智能信息社会振兴院等官方渠道，数据来源权威。
4. 服务器友好：请求间隔强制 0.8 秒延迟，降低目标站点负载风险。
5. 结构化输出：统一 JSONL 格式，包含业务名称、类别、来源机构、金额、截止日期等关键字段，便于下游系统对接。
潜在缺点与局限性
- 动态渲染站点受限：SEMAS、MSS、K-Startup、Innopolis、KISED 等依赖 JavaScript 渲染的站点当前被标记为跳过（⚠️），需额外配置 Selenium/Playwright 环境方可采集，增加了部署复杂度。
- 维护依赖性强：政府网站 DOM 结构变更将直接导致采集失效，需持续维护解析逻辑。
- 地域限定：仅覆盖韩国本土政府项目，无跨国数据支持。
- 数据实时性：基于静态 HTML 抓取，可能存在 1-3 天延迟，紧急项目需人工二次核验。
适合人群
- 创业孵化器、投资机构的研究与政策分析团队
- 为韩国中小企业客户提供咨询服务的代理公司
- 需要构建政府补助信息数据库的数据工程师
- 关注 TIPS、R&D 资助的技术创业团队
常规风险
- 目标站点变更风险：政府网站改版可能导致选择器失效，建议设置监控告警。
- 合规采集边界：虽已设置 0.8 秒延迟，仍需关注各站点的 robots.txt 及流量限制条款，避免 IP 封禁。
- 数据准确性风险：自动解析可能存在字段错位，关键资金决策前建议人工复核原始页面。
- 断点文件损坏：异常中断可能导致
.checkpoint.json损坏，建议定期备份或实现校验机制。