Initial commit: HBR 文章爬蟲專案
- Scrapy 爬蟲框架，爬取 HBR 繁體中文文章 - Flask Web 應用程式，提供文章查詢介面 - SQL Server 資料庫整合 - 自動化排程與郵件通知功能 🤖 Generated with [Claude Code](https://claude.com/claude-code) Co-Authored-By: Claude <noreply@anthropic.com>
This commit is contained in:
239
待釐清問題.md
Normal file
239
待釐清問題.md
Normal file
@@ -0,0 +1,239 @@
|
||||
# HBR 爬蟲系統 - 待釐清問題清單
|
||||
|
||||
請以選擇題方式回答以下問題，以便完成系統開發。
|
||||
|
||||
---
|
||||
|
||||
## 一、資料庫相關問題
|
||||
|
||||
### 1. 資料庫類型
|
||||
您希望使用哪種資料庫系統？
|
||||
|
||||
- [V ] A. MySQL / MariaDB
|
||||
- [ ] B. PostgreSQL
|
||||
- [ ] C. SQLite
|
||||
- [ ] D. Microsoft SQL Server
|
||||
- [ ] E. 其他（請說明）：___________
|
||||
|
||||
|
||||
|
||||
### 2. 資料庫連線方式
|
||||
您希望如何提供資料庫連線資訊？
|
||||
|
||||
- [ ] A. 直接在此文件中提供（主機、埠號、資料庫名稱、使用者、密碼）
|
||||
- [V ] B. 透過環境變數設定
|
||||
- [ ] C. 使用連線字串（Connection String）
|
||||
- [ ] D. 使用設定檔（config.ini 或 config.json）
|
||||
- [ ] E. 其他方式（請說明）：___________
|
||||
|
||||
### 3. 資料庫位置
|
||||
資料庫位於何處？
|
||||
|
||||
- [ ] A. 本地電腦（localhost）
|
||||
- [V ] B. 區域網路內的伺服器
|
||||
- [ ] C. 雲端服務（AWS RDS、Azure SQL、Google Cloud SQL 等）
|
||||
- [ ] D. 其他（請說明）：___________
|
||||
|
||||
### 4. 資料庫權限
|
||||
資料庫使用者權限設定？
|
||||
|
||||
- [ ] A. 僅有 SELECT 和 INSERT 權限（建議）
|
||||
- [V ] B. 完整權限（SELECT, INSERT, UPDATE, DELETE, CREATE TABLE）
|
||||
- [ ] C. 需要我協助建立資料表結構
|
||||
- [ ] D. 資料表已存在，只需插入資料
|
||||
|
||||
### 5. 資料庫連線加密
|
||||
是否需要使用 SSL/TLS 加密連線？
|
||||
|
||||
- [V ] A. 是，需要 SSL/TLS 加密
|
||||
- [ ] B. 否，不需要加密
|
||||
- [ ] C. 不確定，使用預設設定
|
||||
|
||||
---
|
||||
|
||||
## 二、資料儲存相關問題
|
||||
|
||||
### 6. 重複文章處理
|
||||
當爬取到已存在的文章（相同 URL）時，應如何處理？
|
||||
|
||||
- [ ] A. 跳過，不更新資料庫
|
||||
- [V ] B. 更新現有記錄（更新 crawled_at 時間戳）
|
||||
- [V ] C. 更新現有記錄，並更新所有欄位（標題、內容等可能變更）
|
||||
- [ ] D. 建立新記錄（允許重複）
|
||||
|
||||
### 7. 歷史資料保留
|
||||
是否需要保留歷史爬取記錄？
|
||||
|
||||
- [ ] A. 是，保留所有歷史記錄（每次爬取都記錄）
|
||||
- [ ] B. 否，只保留最新一次爬取的資料
|
||||
- [V ] C. 保留最近 N 次爬取記錄（請指定次數：__30___）
|
||||
|
||||
### 8. 資料清理
|
||||
是否需要定期清理舊資料？
|
||||
|
||||
- [V ] A. 是，自動刪除超過 N 天的資料（請指定天數：_30____）
|
||||
- [ ] B. 否，保留所有資料
|
||||
- [ ] C. 手動清理
|
||||
|
||||
### 9. CSV 檔案處理
|
||||
CSV 檔案產生後，是否需要額外處理？
|
||||
|
||||
- [ ] A. 僅發送郵件，不額外處理
|
||||
- [ ] B. 發送郵件後刪除 CSV 檔案
|
||||
- [V ] C. 保留 CSV 檔案作為備份（保留最近 N 個檔案，請指定：_____）
|
||||
- [ ] D. 上傳至雲端儲存（Google Drive、Dropbox、S3 等）
|
||||
|
||||
---
|
||||
|
||||
## 三、功能擴展相關問題
|
||||
|
||||
### 10. 資料查詢功能
|
||||
是否需要提供資料查詢功能？
|
||||
|
||||
- [ ] A. 否，僅需爬取和儲存功能
|
||||
- [ ] B. 是，需要簡單的查詢腳本（按日期、分類、標籤查詢）
|
||||
- [V ] C. 是，需要 Web 介面查詢
|
||||
- [ ] D. 是，需要 API 介面
|
||||
|
||||
### 11. 通知方式
|
||||
除了郵件通知，是否需要其他通知方式？
|
||||
|
||||
- [V ] A. 僅需郵件通知
|
||||
- [ ] B. 需要 Slack 通知
|
||||
- [ ] C. 需要 Microsoft Teams 通知
|
||||
- [ ] D. 需要 LINE 通知
|
||||
- [ ] E. 需要其他方式（請說明）：___________
|
||||
|
||||
### 12. 資料分析功能
|
||||
是否需要資料分析功能？
|
||||
|
||||
- [ ] A. 否，僅需儲存原始資料
|
||||
- [V ] B. 是，需要統計功能（文章數量、分類分布、作者統計等）
|
||||
- [ ] C. 是，需要產生報表（週報、月報）
|
||||
- [ ] D. 是，需要視覺化圖表
|
||||
|
||||
### 13. 增量爬取
|
||||
是否需要支援增量爬取（僅爬取新文章）？
|
||||
|
||||
- [V ] A. 是，僅爬取新文章（依據 URL 或發布日期判斷）
|
||||
- [ ] B. 否，每次完整爬取所有文章
|
||||
- [ ] C. 是，但需要可設定爬取日期範圍
|
||||
|
||||
---
|
||||
|
||||
## 四、系統設定相關問題
|
||||
|
||||
### 14. 爬取頻率
|
||||
除了每週一 08:00，是否需要其他爬取時間？
|
||||
|
||||
- [ ] A. 僅每週一 08:00
|
||||
- [ ] B. 需要多個排程時間（請說明）：____每天早上8:00_______
|
||||
- [ ] C. 需要手動觸發功能
|
||||
- [V ] D. 需要可設定的排程時間
|
||||
|
||||
### 15. 錯誤通知
|
||||
當爬蟲執行失敗時，是否需要通知？
|
||||
|
||||
- [ ] A. 否，僅記錄日誌
|
||||
- [V ] B. 是，發送錯誤通知郵件
|
||||
- [ ] C. 是，發送錯誤通知到其他平台（請指定）：___________
|
||||
|
||||
### 16. 日誌記錄
|
||||
日誌記錄的需求？
|
||||
|
||||
- [ ] A. 僅記錄到控制台
|
||||
- [ ] B. 記錄到檔案（請指定路徑：_____）
|
||||
- [V ] C. 記錄到資料庫
|
||||
- [ ] D. 記錄到日誌服務（如 ELK、Splunk）
|
||||
|
||||
### 17. 效能設定
|
||||
爬取時的效能設定偏好？
|
||||
|
||||
- [ ] A. 快速爬取（較短延遲，可能對伺服器造成較大負擔）
|
||||
- [ ] B. 平衡模式（適中延遲，預設 1 秒）
|
||||
- [V ] C. 保守模式（較長延遲，避免對伺服器造成負擔）
|
||||
- [ ] D. 可設定延遲時間（請指定秒數：_____）
|
||||
|
||||
---
|
||||
|
||||
## 五、資料格式相關問題
|
||||
|
||||
### 18. 日期格式
|
||||
資料庫中日期欄位的格式偏好？
|
||||
|
||||
- [V ] A. DATETIME / TIMESTAMP（資料庫原生格式）
|
||||
- [ ] B. VARCHAR（字串格式，如 '2024-12-22 08:00:00'）
|
||||
- [ ] C. DATE（僅日期，不含時間）
|
||||
- [ ] D. 其他（請說明）：___________
|
||||
|
||||
### 19. 標籤儲存方式
|
||||
標籤的儲存方式偏好？
|
||||
|
||||
- [ ] A. 正規化設計（tags 表 + article_tags 關聯表，建議）
|
||||
- [V ] B. 非正規化設計（articles 表中以逗號分隔字串儲存）
|
||||
- [ ] C. JSON 格式儲存（如資料庫支援）
|
||||
|
||||
### 20. 內容欄位長度
|
||||
文章內容欄位的長度限制？
|
||||
|
||||
- [V ] A. TEXT 類型（無長度限制）
|
||||
- [ ] B. VARCHAR(N)（請指定最大長度：_____）
|
||||
- [ ] C. MEDIUMTEXT / LONGTEXT（依資料庫而定）
|
||||
|
||||
---
|
||||
|
||||
## 六、其他問題
|
||||
|
||||
### 21. 專案部署環境
|
||||
系統將部署在何處？
|
||||
|
||||
- [ ] A. 本地電腦（Windows）
|
||||
- [ ] B. 本地電腦（Linux/Mac）
|
||||
- [ ] C. GitHub Actions（雲端）
|
||||
- [V ] D. 自有伺服器
|
||||
- [ ] E. 雲端服務（AWS、Azure、GCP 等）
|
||||
|
||||
### 22. 資料備份需求
|
||||
是否需要自動備份功能？
|
||||
|
||||
- [V ] A. 否，手動備份即可
|
||||
- [ ] B. 是，定期自動備份資料庫
|
||||
- [ ] C. 是，備份資料庫和 CSV 檔案
|
||||
- [ ] D. 是，備份到雲端儲存
|
||||
|
||||
### 23. 多語言支援
|
||||
是否需要支援多語言？
|
||||
|
||||
- [ ] A. 否，僅支援繁體中文
|
||||
- [V ] B. 是，需要支援多語言（請指定語言：_繁體中文/英文/韓文_________）
|
||||
|
||||
### 24. 資料匯出格式
|
||||
除了 CSV，是否需要其他匯出格式？
|
||||
|
||||
- [ ] A. 僅需 CSV
|
||||
- [ ] B. 需要 JSON 格式
|
||||
- [V ] C. 需要 Excel 格式
|
||||
- [ ] D. 需要多種格式（請指定）：___________
|
||||
|
||||
---
|
||||
|
||||
## 請提供以下資訊
|
||||
|
||||
### 資料庫連線資訊（請填寫）
|
||||
|
||||
```
|
||||
資料庫類型：___________
|
||||
主機位址（Host）：___________
|
||||
埠號（Port）：___________
|
||||
資料庫名稱（Database）：___________
|
||||
使用者名稱（Username）：___________
|
||||
密碼（Password）：___________
|
||||
連線字串（如有）：___________
|
||||
其他說明：___________
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
**請將回答後的檔案回傳，或直接在文件中標記選項。**
|
||||
|
||||
|
||||
Reference in New Issue
Block a user