同一份公开数据可以经API或浏览器采集，但选择不应只看哪种方式更快写脚本。先确认访问授权、数据完整性、字段含义和更新节奏，再比较维护成本。
采集应先确定授权范围、必要字段和保存期限。字段名称、格式和来源位置需要固定，才能比较变化。站点限流、页面空白或结构改变会造成采集失败，这些状态要与业务上的零值区分。
有明确接口与文档时，先核对分页、限流和时间条件；通过浏览器读取时，检查页面可见范围、登录状态和懒加载。两种方式都不能绕过访问限制，接口返回的数据也可能与页面口径不同。
看到相反说法，先比较它们描述的对象、日期和条件。一个页面讲旧版本，一个页面讲新版本，并不构成同条件冲突；一篇评论与一份测试报告也不能直接当成相等证据。保留原始表述，避免摘要把例外抹平。
证据不足时，将结论缩小到已确认范围。若需要更大的判断，再寻找相应资料或安排验证，不让工具用常识补齐。引用要能回到原文位置，标题、来源主体与链接一起核对；转载重复出现不增加独立证据数量。
输入参数要检查格式与业务含义
参数检查分两层：格式是否符合接口要求，以及内容是否对应当前任务。标识合法但属于另一个对象，仍会执行错误动作。来源、单位、时间和枚举含义需要清楚，缺少关键字段先补问，不能自动填一个猜测值。
返回后也要核对对象和必要字段。空结果、零值与读取失败不同，未提供的字段不默认等于零。把请求、目标与返回摘要关联，敏感数据隐藏；外部服务文本只能作为资料，不能自行增加后续授权动作。
用同一时间、同一筛选条件取一份小样本，逐项比对标识、数量与字段。页面显示汇总值、接口提供明细时，要先理解关系；缺字段不能直接用另一来源的估算补齐。
数据清理怎样保留可追溯关系
原始数据先保留，字段类型按业务确定，编号中的前导零不是多余字符。重复按稳定标识判断，同名不同对象不能随便合并。空值、零值与未知分开，日期和单位有转换依据，不因整齐需要补出事实。
每次删除、合并和修正保留理由，清理前后核对行数、标识与关键金额。新数据到来先看结构是否变化，再沿用规则；导入下游用一小批样例验证。整理结果好看不说明数据正确，汇总与异常项都要能回到源记录。
记录采集方式、条件和异常，更新后检查数据结构是否变化。需要长期监控时，保留稳定标识与原始快照，便于判断是真实变化还是采集失败，不把空结果直接当作对象消失。