网页采集脚本提示词

帮我写一个网页采集脚本。前提：只采集公开可访问数据，遵守目标站 robots 与服务条款，不绕过登录与验证码，控制频率不影响对方服务。

【目标】{{目标页面}}
【字段】{{要采的字段}}
【量级】{{数据量}}
【技术栈】{{技术栈}}

输出：
一、合规检查清单（先做）：robots 允许范围、是否有明确禁止采集的条款、是否含个人信息、是否需要授权。任一项不满足就停下来说明。
二、结构分析思路：怎么在浏览器里定位字段（选择器优先级：语义属性 > 稳定 class > 结构路径），说明为什么不用动态生成的 hash class。
三、脚本（{{技术栈}}）：
- 请求：带正常 UA、Referer，超时设置，随机但克制的间隔（1-3 秒）
- 解析：字段解析函数，缺失字段用 None 不用抛异常
- 分页：翻页终止条件（空列表 / 无下一页 / 达到上限）
- 重试：3 次指数退避，记录失败 URL
- 断点续采：已采 URL 落盘，重跑跳过
- 落盘：CSV（utf-8-sig）或 SQLite，说明为什么选它
- 日志：每 50 条打印进度，失败的单独记录
四、字段清洗：价格去符号转数值、数量「1.2万」转整数、去首尾空白、统一时间格式。
五、{{数据量}} 下的稳定性建议：分批、可中断、失败可续、加锁防重复运行。
六、如果页面是 JS 渲染：给出替代思路（找接口 / 用无头浏览器），并说明资源消耗差异。
七、反爬应对的合规边界：明确哪些不能做（伪造登录态、破解验证码、高频请求、绕过付费墙）。

要求：不提供任何绕过访问控制的手段；脚本默认低频、可中断。