Day 144 — 完成清单与练习

✅ 今日清单

• [ ] 阅读 README.md：验证码策略、清洗管线、调度与告警
• [ ] 运行 code/01-captcha-detector.py，观察分级熔断触发
• [ ] 运行 code/02-data-cleaner.py（无输入文件时用内置脏数据），核对清洗报告
• [ ] 运行 code/03-scheduler-alert.py（先 pip install apscheduler），观察 30s 一轮与状态文件
• [ ] 回答 5 道思考题
• [ ] 回顾 Day 142–144 三日项目，画出完整系统架构图（自检）

📝 练习题

基础

1. 给 detect_captcha 增加一个"空响应体"信号（body 长度 < 50 视为可疑），并补充对应测试用例。
2. 给 02-data-cleaner.py 增加 --dry-run 参数：只输出报告不写文件。

进阶

3. 布隆过滤器：用 pybloom-live（或手写 bitmap 版）替换 seen 字典做去重，测试 10 万条数据下的内存占用差异。
4. 告警去重：同一域名 10 分钟内只告警一次，其余聚合为"已重复 N 次"——在 send_alert 外实现告警节流器。
5. Compose 化：把 Dockerfile 拆成两个服务（scheduler + 独立的 headless-browser 容器走 CDP），写出 docker-compose.yml。

🎯 里程碑

至此 Day 142–144「全栈反爬突破系统」阶段项目完成。下一阶段 Phase 10（Day 146 起）：网络安全开发。