一套可复制的「产业项目库」数据采集方法论：从招投标数据 API、政府公示官网、PDF 结构化解析与多模态 OCR、到客户附件资料挖掘，系统化抓取两省储能项目全维度清单，并自动补全建设单位联系方式。本案例最终交付物为一套 15 个 Excel 成果文件 的储能产业项目数据库（总目录 + 招中标 2,079 条 + 备案在建 62 项 + 省平台备案全量 475 项等），覆盖两省储能全生命周期。
客户需要一份覆盖陕西、青海两省的储能产业「项目全景底账」——不仅要有招投标动态，还要有拟建备案、环评公示、以及 2026 年以后将集中开工的备案在建项目，并尽可能补齐建设单位的联系方式，用于招商线索挖掘与投资研判。
围绕「公开可得 + 结构化可得 + 多源互补」原则，搭建四条数据通道，覆盖项目从立项、公示、环评到中标的全生命周期。
客户提供的约 100 份 MD / PDF 资料（项目速递、投资清单、行业分析）作为高价值增量源：批量提取文本 → 关键词扫描储能段落 → 聚合去重，专门支撑「2026+ 备案在建」清单的构建。多源交叉验证可显著提升覆盖率与准确率。
从「广撒网检索」到「结构化入库」，全流程脚本化、可断点续跑，保证大规模数据不丢不重。
实际抓取中遇到的三类硬骨头，以及对应的工程化解法。
招投标平台的项目详情页多为登录墙（仅返回简短摘要），无法直接拿到联系方式。
解法：放弃逐条详情页，改用「企业检索接口 + 公司公开工商页」反查主体信息，绕开单条内容付费限制。
官方第一批电网侧独立储能 15 个项目清单是扫描图片 PDF，pdfplumber 仅能抽极少文本。
解法：PyMuPDF 渲染为 2x PNG → 多模态视觉模型 OCR → 恢复完整 15 行表格（含项目单位 / 地址 / 规模）。
700+ 家中标单位逐家人工检索不现实，且接口有频限。
解法：脚本化批量检索 + 正则解析 + 本地缓存断点续跑，一次跑完 407 行回填，命中率 50.4%。
本 SOP 已跑通闭环，下一步可从「速度、覆盖、智能、产品化」四个维度继续增强，直接转化为更高交付价值。
从「一次性抓取」升级为「定期增量刷新」，按周 / 月自动比对新增公告与项目，输出 diff 清单，适配招商 / 投研的持续跟踪需求。
用大模型直接从非结构化公告中结构化抽取「建设规模 / 技术路线 / 投资额 / 开工时间」，减少正则与人工规则维护成本，提升新省份迁移效率。
对同项目多源命中自动打分（官方 > 标讯 > 附件），输出置信度标签，让客户一眼识别「已核验」与「待核实」。
接入知识星球、行业社群、企业官微等一手情报源，覆盖招投标平台尚未收录的早期拟建 / 签约项目，拉长项目发现链路。
在 Excel 底账之上叠加产业链图谱、地图散点（建设地点分布）、投资规模仪表盘，输出「表格 + 看板 + 报告」三位一体交付。
将本案例的渠道配置、关键词库、字段映射抽象为模板，可一键复用到光伏、风电、低空经济、半导体等任意「项目型」行业。
本项目最终交付的不是单一表格，而是一整套分层、可追溯的储能产业项目数据库：共 15 个 Excel 成果文件（含总目录 + 统计口径索引 + 数据来源说明），覆盖陕西、青海两省储能项目从招投标、拟建备案、环评公示、备案在建到重点项目与抽水蓄能专项的全生命周期。完整交付清单如下：
| # | 成果文件 | 规模 | 内容说明 |
|---|---|---|---|
| 00 | 总目录（先读我） | 1 份 | 全库导航与阅读顺序指引，串联其余 14 个文件 |
| 01 | 陕西青海储能招投标公告明细 | 2,079 条 | 2025–2026 两省储能招中标公告基础明细（项目名称 / 采购人 / 中标单位 / 金额 / 时间 / 地区 / 来源 等） |
| 02 | 陕西青海储能招中标公告全量（含联系方式） | 2,079 条 | 在 01 基础上补全「中标单位联系方式」列（去重 667 家，命中 336 家，回填 407 行） |
| 03 | 陕西青海储能拟建备案项目 | 6 项 | 青海 6 个拟建 / 备案储能项目（建设地点 / 规模 / 建设单位 / 备案状态） |
| 04 | 陕西青海储能项目环评公示 | 18 项 | 两省储能项目环境影响评价公示（建设内容 / 环评机构 / 公示期） |
| 05 | 陕西青海储能备案在建项目清单（含联系方式） | 62 项 | 2026 年及以后备案在建项目（陕 43 + 青 19），含技术路线 / 投资 / 状态 + 建设单位联系方式 |
| 06 | 青海陕西储能备案在建项目清单（核验版） | 47 项 | 对 05 的多源交叉核验版本，剔除重复与存疑项，提升置信度 |
| 07 | 储能清单：统计口径与来源索引 | 口径 11 + 来源 42 | 各清单的统计口径定义（11 条）+ 数据来源索引（42 条），保证可追溯 |
| 08 | 陕西省储能重点项目清单 | 36 项 | 2025–2026 陕西储能重点 / 省级重点项目（含抽蓄、独立储能、压缩空气等） |
| 09 | 青海省储能重点项目清单 | 33 项 | 2025–2026 青海储能重点项目（容量补偿、源网荷储、光热、抽蓄等） |
| 10 | 陕西青海抽水蓄能项目清单 | 8 项 | 专项清单：陕西 6 + 青海 2 抽水蓄能项目 |
| 11 | 陕西省储能备案全量（省投资审批平台） | 436 项 | 陕西省投资项目在线审批监管平台储能备案全量抓取 |
| 12 | 青海省储能备案全量（省投资审批平台） | 39 项 | 青海省投资项目在线审批监管平台储能备案全量抓取 |
| 13 | 数据来源说明（重点清单与备案全量口径） | 13 条 | 重点清单与备案全量两套数据的口径、来源与差异说明 |
| 14 | 2025 年陕西省储能备案项目清单 | 263 项 | 2025 年 1–12 月陕西省储能备案项目按月归集全量 |
招中标 2,079 条、拟建备案 6 项、环评公示 18 项、2026+ 备案在建 62 项（核验版 47 项）、重点清单 陕 36 + 青 33、抽蓄专项 8 项、省平台备案全量 陕 436 + 青 39、2025 陕西备案 263 项；配套 总目录、口径 / 来源索引、数据来源说明 3 份元文件。所有清单均按省、年份、技术路线、项目状态可交叉筛选。
陕西 2026 重点建设项目含 12 个储能（宁陕北 / 鱼岭 / 曹坪 / 佛坪 / 山阳 / 宝鸡大庄里抽蓄，陇县混合储能，合阳全钒液流 120MW/480MWh，志丹 200MW/600MWh，恒口混合储能调频，铜川耀州 350MW/1400MWh 压缩空气）；青海 2026 西北重点项目含贵南哇让抽蓄（159.4 亿）、海西电网侧储能项目群（21 个项目 / 145.85 亿）、中广核高景源网荷储（700MW 光伏 + 200MW/400MWh 储能）等。
本案例的方法论不绑定储能行业 —— 它本质是一套「项目型行业全量底账构建 SOP」，可平移到任何需要系统化抓取项目 / 招投标 / 企业情报的场景。
无论是储能、光伏、低空经济还是其他项目型行业，我们都能用同一套数据采集 SOP，为你系统化抓取招投标、备案、公示、在建全量清单，并补全关键联系方式。告诉我你的省份、行业与时间范围，即可启动。
提交同类数据采集需求 查看 AI 赋能产业研究