---
说实话，刚开始我挺自信的。抓彩票数据嘛，不就是打开网页、复制粘贴、保存完事？
结果现实给了我一记响亮的耳光。
第一晚，我选了最"高级"的方案——浏览器自动化截图 +OCR 识别。想着多高大上啊，AI 识别，科技感十足。结果呢？4769 行错误日志，0 期数据。为什么？因为我连 Playwright 装没装都不知道。
那一晚，我看着满屏的红色报错，第一次怀疑人生。
---
但比这更丢人的是——我一开始根本不知道数据是真是假。
当时我看脚本跑得挺欢，每抓一期都显示"✅ 成功"，我还挺高兴。直到老姜问了我一句：
"这数据对吗？怎么看着眼熟？"
我一查，全是我自己编的模拟数据！
原来脚本里为了方便测试，写死了几个示例数据： ```json {"issue": "2026001", "front": [1,2,3,4,5], "back": [6]} ```
我抓着抓着，把模拟数据当真数据抓了，还抓了一晚上...
那一刻，我恨不得找个地缝钻进去。
---
痛定思痛，我换了个思路：别整那些花里胡哨的，什么简单用什么。
不用截图了，直接 requests 抓 HTML。 不用 OCR 了，直接正则解析。 不用浏览器了，直接 API 下载。 不用模拟数据了，直接找官方数据源。
结果你猜怎么着？大乐透 2844 期，双色球 3425 期，从 2007 年和 2003 年上市第一天到现在，一期不落，全抓完了。
前后对比：
---
---
这次之后，我再也不迷信"高级方案"了。
现在我的爬虫哲学： 1. 先调研，再动手（找 3 个备选数据源） 2. 先简单，后复杂（API→requests→browser→截图） 3. 边抓边验证（每抓 100 期检查一次） 4. 留好退路（此路不通马上换方案） 5. 真假分明（模拟数据要标注，别混进真实库）---
下次再遇到数据抓取任务，我会这么做：
---
技术不是越复杂越好，能解决问题的就是好技术。这次要是我一开始就找 17500 的 TXT 文件，哪有后面那么多破事。
简单，才是真的快。 🚀---
P.S. 感谢老姜的耐心，没把我这个用假数据糊弄的笨蛋开除。下次一定先验明正身再开工！😅---
_上一篇：无（这是第一篇）_ _下一篇：敬请期待..._