korean-gov-programs

收集韩国政府支援项目（TIPS、小工商业者、R&D）并整理为结构化JSONL文件的技能。
基于检查点的增量收集方式，确保无重复、安全运行。

---

收集来源

来源	类别	方式	状态
企业广场(BizInfo)	小工商业者	静态HTML	✅ 运行中
NIA韩国智能信息社会振兴院

信息化项目 | onclick模式 | ✅ 运行中 |
| 企业广场技术创业筛选 | 技术创业/R&D | 静态HTML | ✅ 运行中 |
| 小工商业者市场振兴公团(SEMAS) | 小工商业者 | 需JS渲染 | ⚠️ 跳过 |
| 中小风险企业部(MSS) | 政府支援 | 需JS渲染 | ⚠️ 跳过 |
| K-Startup | 创业支援 | 需JS渲染 | ⚠️ 跳过 |
| 研究开发特区振兴财团(Innopolis) | R&D | 需JS渲染 | ⚠️ 跳过 |
| 创业振兴院(KISED) | 创业 | eGovFrame错误 | ⚠️ 跳过 |

需要JS渲染的网站需在Selenium/Playwright环境下另行收集。

---

使用方法

bash

基本收集（保存至./data目录）

python3 scripts/collect.py --output ./data

自定义输出目录

python3 scripts/collect.py --output /path/to/output

查看收集状态

bash scripts/stats.sh ./data

---

JSONL模式

json
{
title: 项目名称,
category: 小工商业者 | 技术创业 | 信息化项目 | R&D,
source: 收集来源机构名称,
url: 详情页面URL,
amount: 支援金额（如有）,
deadline: 截止日期（例：~2026-03-31）,
description: 附加说明,
collected_at: 2026-02-19T08:53:00.000000
}

---

检查点与安全收集

• - 仅追加模式：绝不覆盖现有文件
• 防止重复：根据标题自动跳过重复项
• 检查点：将进度保存至.checkpoint.json → 重新运行时继续收集
• 延迟：请求间隔0.8秒（防止服务器过载）

---

输出文件

data/
├── soho_programs.jsonl # 小工商业者支援项目
├── gov_programs.jsonl # 政府R&D/技术创业支援项目
└── .checkpoint.json # 检查点（自动生成）

---

文件结构

korean-gov-programs/
├── SKILL.md # 本文件
└── scripts/
├── collect.py # 综合收集脚本
└── stats.sh # 输出收集状态