火车头采集教程：老师只给结论时怎样自行补充反例练习
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /f68be6e0a760.html
📄
火车头采集教程：老师只给结论时怎样自行补充反例练习
把老师给的结论当成一条待验证的规则，而不是标准答案。你手上只要有任意一个网页或一份本地HTML文件，就能在火车头里搭一个最小规则，故意制造一个不满足该结论的反例，观察采集结果是否如预期那样失败。反例成立，说明你理解了结论的适用边界；反例不成立，说明结论可能被你说宽了，或者规则里还有你没意识到的隐含条件。整个过程不需要完整站点权限，也不需要跑全量数据。
先锁定一条可以被推翻的结论
老师给的结论通常分两类。一类是操作型，例如“列表页链接用循环匹配就能取到详情地址”；一类是判断型，例如“正文采集失败多半是编码问题”。只有前者能直接转成反例练习，后者要拆成可观察的字段差异再动手。
判断标准很简单：这条结论能不能写成“如果满足条件A，那么结果一定是B”。能写成这种形式，就选它；只能写成“通常”“大多数情况”的，先放一边，否则你造出来的反例无法判定对错。
选定后，把它写成一句话贴在笔记顶部。例如：“只要列表区域规则命中，所有详情链接都会被采到。”这句话就是本次练习的靶子。
用单个页面搭出可失败的最小规则
不要一上来就配置完整任务。先复制目标页面的HTML到本地，只保留列表区域和两三条链接，删掉脚本和无关模块，得到一个干净的测试文件。这样做的好处是变量少：页面结构固定，你能确定失败来自规则本身，而不是网络或登录状态。
在火车头里新建任务，添加这个本地文件作为采集源，然后按下面顺序操作：
- 用正则或XPath圈出列表区域，确认能匹配到预期条数。
- 在区域内提取链接，先不做任何过滤和替换。
- 运行一次，记录实际拿到的链接数量与内容。
这一步的产出不是“采集成功”，而是一份基线记录：规则在当前页面下会得到什么。没有这份基线，后面的反例就没有对照物。
实际动作与结果影响：如果基线运行拿到的链接数少于页面里肉眼可见的条数，先别改规则，把页面里被漏掉的那条链接单独拎出来看——它是否属于另一个结构块。这个判断会决定下一步是调整区域范围，还是补第二条规则。
构造反例：让结论在预期的地方失效
反例不是随便找个坏页面，而是有针对性地破坏结论成立的前提。针对上面那句“列表区域规则命中就都能采到”，可以设计三类反例：
- 结构反例：把其中一条链接改成由JavaScript拼接生成，静态HTML里只有占位符。观察规则是否仍然把它当成有效链接。
- 属性反例：把一条链接的href改成相对路径，另一条改成绝对路径，看输出是否需要额外补全。
- 位置反例：把一条链接移到列表区域之外，但视觉上仍像列表项，看区域规则是否会把它漏掉。
每改一处，单独运行一次并记录。假设你只改相对路径这一处，结果发现输出里出现了不完整的地址，那么可以推出：原结论只对绝对路径成立，相对路径需要额外处理。这个推论是本次练习真正的收获，而不是“采集失败”本身。
如果三类反例全部通过、规则依旧正常，那说明你选的结论在当前页面下确实稳健，但还不能推出它在所有站点都成立——你只是没在这个最小样本里找到边界。
从反例结果决定下一步动作
反例跑完后，按结果分三种走向：
- 反例成功推翻了结论：把边界条件补进笔记，例如“需要额外处理相对路径”。下一步是回到真实页面，确认这种结构是否真的存在，而不是急着改任务。
- 反例没有推翻结论：换一个更极端的反例，比如把整块列表改成异步加载，再判断结论是否仍然成立。
- 反例结果无法解释：先检查是不是规则本身写错了，而不是结论错了。把规则单独拿出来在测试文件上跑，排除配置干扰。
这里有一个容易犯的错：看到采集量为零就认定结论被推翻。采集量为零也可能来自文件路径写错、编码不匹配或规则命中了空节点。要区分这些原因，最直接的办法是逐步放宽规则——先只匹配标签名，再加上属性条件，看在哪一步结果从有变无。
没有完整数据时，练习到什么程度算够
你不需要真实站点的全部页面，也不需要后台权限。只要满足两个条件就可以收尾：一是你能说清这条结论在什么条件下成立、在什么条件下失效；二是你能用一句话描述验证过程，别人照着做能得到同样结果。
如果老师给的结论涉及分页、登录或接口返回，而你手上没有对应数据，就不要硬造一个假接口来“验证”。可以退一步，只验证结论中与页面结构有关的那部分，其余部分明确标注为“缺少数据，未验证”。这比给出一个看似完整、实际建立在假设上的结论更可靠。
练习的价值在于把别人的结论变成你自己的判断依据。一个能复现的反例，比十次顺利通过的采集更能说明你掌握了规则。
