Legal Case Collector

自动化采集中国法律案例与答问，存储为 Markdown 文件，支持增量更新。

采集来源

来源	数量	网站
法答网精选答问	~35 篇	court.gov.cn
最高检指导案例	~58 批	spp.gov.cn
最高院典型案例	~393 篇	court.gov.cn
最高院指导案例	~293 篇	court.gov.cn

项目结构

legal-case-collector/
├── main.py                          # 入口文件，命令行解析
├── run.command                      # macOS 双击启动脚本
├── internal/
│   ├── model/
│   │   └── types.py                 # 数据类型定义（ArticleMeta、QAItem 等）
│   ├── collector/
│   │   ├── collector.py             # 采集器基类接口
│   │   ├── fadawang.py              # 法答网精选答问采集器
│   │   ├── spp_guidance.py          # 最高检指导案例采集器
│   │   ├── court_typical.py         # 最高院典型案例采集器
│   │   └── court_guidance.py        # 最高院指导案例采集器
│   ├── storage/
│   │   ├── markdown.py              # Markdown 文件写入与索引生成
│   │   └── tracker.py               # 增量采集状态追踪
│   └── http/
│       └── client.py                # 带速率限制的 HTTP 客户端
└── output/                          # 采集输出（已在 .gitignore 中）
    ├── 法答网精选答问(自动)/
    ├── 最高检指导案例(自动)/
    ├── 最高院典型案例(自动)/
    ├── 最高院指导案例(自动)/
    └── state.json                   # 采集状态记录

每篇案例为独立 Markdown 文件，包含 YAML frontmatter（来源、日期、URL 等）和结构化正文。

环境要求

• Python 3.10+

安装

git clone https://github.com/nirvanary2016-debug/legal-case-collector.git
cd legal-case-collector
python3 -m venv .venv
source .venv/bin/activate  # Linux/Mac
pip install requests beautifulsoup4 lxml

使用方法

# 全量采集（增量模式，只采集新增内容）
python main.py collect

# 采集指定来源
python main.py collect -s fadawang          # 法答网精选答问
python main.py collect -s spp_guidance      # 最高检指导案例
python main.py collect -s court_typical     # 最高院典型案例
python main.py collect -s court_guidance    # 最高院指导案例

# 按分类采集
python main.py collect -s fadawang -c "执行工作"

# 强制全量重采
python main.py collect --force

# 预览将要采集的内容
python main.py collect --dry-run

# 查看采集状态
python main.py status

# 列出可用分类
python main.py categories -s fadawang

可用参数

参数	说明	默认值
-s, --source	采集来源	all
-c, --category	分类过滤	无
-o, --output	输出目录	./output
--interval	请求间隔（秒）	1.5
--force, -f	强制全量重采	false
--dry-run	仅预览	false

增量更新

首次运行后，output/state.json 会记录已采集的文章 ID。后续运行自动跳过已采集内容，只下载新增文章。

注意事项

• 默认请求间隔 1.5 秒，请尊重政务网站服务器
• 如遇网络问题，可适当增大间隔：--interval 3
• macOS 用户双击 run.command 可直接运行全量采集

License

MIT