【Python爬虫实战】第266篇：蓝帽子下面藏着什么——保健食品备案信息与成分数据采集实战所属专栏：【Python爬虫实战】从零到企业级爬虫工程师（CSDN 付费专栏）本篇篇目：第 266 篇（医疗健康数据采集专题）难度等级：中级，需要掌握 requests、BeautifulSoup 与多页遍历阅读时长：约 35 分钟（跟着敲代码约 2 小时）本篇技术栈：Python 3 · requests · BeautifulSoup4 · lxml · pandas · openpyxl · 正则清洗文章目录【Python爬虫实战】第266篇：蓝帽子下面藏着什么——保健食品备案信息与成分数据采集实战@[toc]一、需求目标：为什么要去扒保健食品的备案库1.1 学完这篇你能带走什么二、环境准备2.1 保健食品备案库长什么样三、原理分析：两级页面怎么拆3.1 列表页结构3.2 详情页结构3.3 单条记录的字段全景3.4 翻页规律3.5 为什么要按批准文号去重3.6 功效成分字段为什么要专门清洗四、核心代码实现4.1 全局配置4.2 请求列表页4.3 请求详情页4.4 解析列表页4.5 解析详情页字段4.6 演示数据生成4.7 主采集流程4.8 落盘 CSV 与 Excel4.9 主入口五、运行结果与数据展示六、常见坑位排查七、进阶方向7.1 功效成分单位归一7.2 接上真实电商价格7.3 入库做历史追踪7.4 多线程抓详情页7.5 做一张成分雷达图参考资料一、需求目标：为什么要去扒保健食品的备案库买过保健品的同学都见过包装盒上那个蓝色的小帽子——业内叫"蓝帽子"。只要盒子上印着这个标志，就说明它是经过国家市场监督管理总局注册或备案的保健食品。但包装盒上印的那点信息，往往只是冰山一角：批准文号是多少？到底含了多少功效成分？适宜人群是谁？申报企业是哪家？这些信息全躺在官方备案数据库里，普通人一个个手动查既慢又容易漏。本篇我们就把这个备案库整个搬下来，做成一张可以自己随便筛选的表。具体目标如下：目标项具体内容数据来源保健食品备案/注册查询公开库覆盖范围增强免疫力、辅助降血脂、改善睡眠等 10 类保健功能列表页字段产品名称、批准文号、申报企业、保健功能、详情链接详情页字段功效成分及含量、适宜人群、不适宜人群、规格、保质期附加字段参考零售价（从产品名粗估，真实场景可接电商页）输出产物health_filing_日期.csv + .xlsx，按批准文号去重
