案例 33｜大学生竞赛与证书考试信息采集

一、案例背景与采集目标

大学四年，除了课表，还有一张看不见的表：各种竞赛的报名截止日、各种证书考试的报名窗口。四级六级、计算机等级考试、教师资格考试、数学建模、蓝桥杯、创新大赛……它们分散在十几个不同的网站上，各发各的通知，日期格式还各不相同。

结果就是：每年都有人错过报名。不是不想考，而是压根没注意到「报名通道上周就关了」。这个案例要解决的，就是这件特别具体的事——把散落各处的考试与竞赛信息汇总成一张「这一年别错过的报名截止表」，最好还能导出成日历文件，到点自动提醒你。

示范站点是中国教育考试网，https://www.neea.edu.cn/ ，各类证书考试的日程与报名都在这里发布。竞赛这一半不去找什么「榜单平台」，直接去各赛事官网采：全国大学生数学建模竞赛、蓝桥杯、中国国际大学生创新大赛这些赛事，官网首页的「通知 / 赛程 / 报名」栏目就是最准的一手来源；竞赛是不是全国性的，以官网自述为准（主办单位写「教育部」「中国工业与应用数学学会」这类全国性机构的，就是国家级）。

1.1 这个案例要拿到什么

• 从中国教育考试网取回各类考试的名称、报名时间、考试时间；
• 从竞赛官网上取回竞赛名称、主办单位、级别、报名截止、比赛时间；
• 把不同来源的日期统一成同一个格式；
• 给每一条数据标上来源，合并后仍能追到出处；
• 按报名截止日期排序，导出成清单与 .ics 日历文件。

1.2 这个案例的难点在哪里

这件事的难，不在「采」，而在「合」——把格式五花八门的信息揉成一张能用的表。

目标站点与交付产物

下表是本篇用到的真实站点。绿色是课堂可稳定复现的示范站点；橙色是延伸站点，多数有登录墙或风控，课堂上只讲结构、原理与合规边界，不教绕过。

二、数据源与字段设计

示范站点固定为中国教育考试网的考试日程页；竞赛部分固定从几项常见赛事的官网采通知与赛程。注意：竞赛的具体报名时间通常发在各赛事官网的「通知公告」栏目，级别也以官网自述为准，不要从第三方转载里抄。

2.1 目标站点信息

2.2 完整字段表（14 个字段）

2.3 三条字段口径要点

1. 日期统一成「YYYY-MM-DD」。「2026年3月」写成「2026-03」，「3.15」补齐年份写成「2026-03-15」，「3月15日—4月10日」拆成报名开始与报名截止两列。统一之后才能排序、才能设提醒。
2. 区间一律拆成两列。「报名时间：3月15日—4月10日」要拆成「报名开始 2026-03-15」和「报名截止 2026-04-10」。「只有截止日」的，开始列留空，不要拿截止日去填开始。
3. 来源列不能省。同一个考试在考试网和高校通知里的日期可能略有出入，标上来源，将来核对时才知道该信哪一份、找谁去确认。

三、零代码操作步骤

本案例的操作主线是「分别采、再合并、然后统一日期」三步。全部动作都在 WorkBuddy 对话里完成。

1. 先打开中国教育考试网的公示公告栏 https://www.neea.edu.cn/html1/category/1508/151-1.htm，找到考试日程栏目，把页面网址复制下来。
2. 让它先列出考试日程。在 WorkBuddy 里新建对话，把网址给它，让它列出这个页面上都有哪些考试、各自报名与考试时间是什么，先在对话里看一眼。
3. 再采竞赛信息。挑 5 到 8 项你有兴趣参加的竞赛——全国大学生数学建模竞赛 https://www.mcm.edu.cn/、蓝桥杯 https://dasai.lanqiao.cn/、中国国际大学生创新大赛 https://cy.ncss.cn/ 等——逐项打开官网，从「通知 / 赛程 / 报名」栏目取回报名与比赛时间，级别按官网自述填写。
4. 先小批试采。两个来源各采 3 条，先看字段对齐了没有、日期格式长什么样，不要急着导全量。
5. 统一日期格式。让它把所有日期转成 YYYY-MM-DD，区间拆成开始与截止两列。
6. 合并并标来源。把两个来源合成一张表，每一行都保留来源列，重复的按「名称 + 级别」去重。
7. 按报名截止排序。把清单按「报名截止」升序排列，最近的排在最上面。
8. 导出清单与日历。导出为 竞赛考试_报名截止表_20261008.xlsx，并另存一份 竞赛考试_提醒.ics 日历文件。

四、提示词模板与追问技巧

这类采集的提示词要把两个来源、字段清单、日期统一规则、合并去重规则、导出格式五件事写清。下面这段可以直接复制。

请帮我整理一张「报名截止表」，把考试和竞赛的信息合成一张表。

【来源一】中国教育考试网 · 公示公告 https://www.neea.edu.cn/html1/category/1508/151-1.htm
【来源二】6 项竞赛的官网（如数学建模 https://www.mcm.edu.cn/ 、蓝桥杯 https://dasai.lanqiao.cn/ 、创新大赛 https://cy.ncss.cn/ ），逐项从「通知 / 赛程 / 报名」栏目取报名通知

【需要字段】按这个顺序：
  1. 序号
  2. 名称（官方全称）
  3. 类别（考试 / 竞赛）
  4. 主办单位
  5. 级别（国家级 / 省级 / 校级 / 全国）
  6. 报名开始（YYYY-MM-DD，没有就留空）
  7. 报名截止（YYYY-MM-DD）
  8. 比赛时间（YYYY-MM-DD 或区间）
  9. 参赛对象
  10. 报名网址（完整地址）
  11. 是否收费（是 / 否 / 未知，未知不要猜）
  12. 证书类型
  13. 成绩公布（能到月就到月）
  14. 来源（这条信息来自哪个站点）

【日期统一规则】
  1. 「2026年3月」写成「2026-03」；「3.15」补齐年份写成「2026-03-15」
  2. 「3月15日—4月10日」拆成报名开始 2026-03-15、报名截止 2026-04-10
  3. 只有截止日的，报名开始留空，不要用截止日去填

【合并与导出】
  1. 两个来源合成一张表，每行都必须带来源列
  2. 按「名称 + 级别」去重，并报告去重前后条数
  3. 最后按「报名截止」升序排列
  4. 先在对话里给我预览，我确认后导出 xlsx 和 .ics 两个文件

【执行要求】
  只采官方公开的赛程与考务信息，不采获奖名单里的个人姓名、学号等信息。

4.1 三条常用追问指令

追问一（日期没统一）：
「报名截止」列里还有「3月15日」这种写法，
请全部转成 YYYY-MM-DD，转换不了的单列出来告诉我。

追问二（区间没拆开）：
第 5 条的报名时间是「3月15日—4月10日」，
请拆成「报名开始 2026-03-15」和「报名截止 2026-04-10」两列，
区间本身保留在备注里。

追问三（来源要标）：
请确认每一行的「来源」列都填了，
没有填的请补上，并告诉我哪些条目的信息同时出现在两个来源里。

4.2 导出成日历文件怎么用

让助手把清单转成 .ics 日历文件，导入手机或电脑日历后，每一条报名截止都会变成一个日程，提前一天自动提醒。

请把清单里的每一行生成一条日历事件：
  事件标题：报名截止 - 名称
  事件日期：就是「报名截止」那一列的日期
  事件备注：写上主办单位、报名网址、来源
导出成 竞赛考试_提醒.ics 文件，我导入手机日历用。

五、结果核对、清洗与保存

下面是 WorkBuddy 从两个来源合并后返回的结果样例（节选，数据为示例）：

5.1 四步核对与清洗

① 日期体检：
   请检查「报名开始」「报名截止」「比赛时间」三列，
   是否有不是 YYYY-MM-DD 格式的值，有就单列出来。

② 逻辑校验：
   请检查有没有「报名开始晚于报名截止」这种明显错误，有就标红。

③ 来源完整性：
   请统计「来源」列为空的行数，为空的行告诉我名称，我来补。

④ 有效期标记：
   请新增一列「是否已截止」，报名截止日早于今天的填「已截止」，
   其余填「可报名」，并按这一列分组统计条数。

5.2 保存与归档

竞赛考试_报名截止表_20261008.xlsx   ← 主表（含来源、是否已截止）
竞赛考试_提醒.ics                    ← 日历文件，导入手机日历
竞赛考试_20261008_log.txt            ← 日志：两个来源的采集条数、合并去重条数

六、常见问题与合规红线

6.1 五个高频问题

6.2 三条合规红线

1. 只采官方的赛程与考务公开信息。考试日程、竞赛通知是主办方主动公开的；获奖名单里个人姓名、学号、身份证号等信息一律不采、不转发。
2. 来源与时间要标清楚。每条都带来源列和时间戳，因为报名时间可能会被主办方修改，注明「截至哪天」才知道这份表是哪一版。
3. 成果用于个人规划与课堂学习。这张表给自己设提醒、或者作为课堂作业展示都没问题；不要打包成「内部资料」对外售卖。

七、随堂自测（10 题）

点击选项即可判分，答错的题会立刻显示解析。