从国税总局，及其他税务相关机构的网站，爬取税收政策、解读、条约等信息，以备后续处理

1. 反爬虫相关的优化： 动态ua 动态IP代理（采用proxy_pool的开源服务） 延迟下载：配置处理（scrapy的系统middleware处理） 启用/禁用cookies：配置处理（scrapy的系统middleware处理）

2. 待爬取项不能遗漏：单地址的失败重试、整体的遗漏重下

3. 并发爬取

4. 多种存储方式、排重

1. Scrapy框架
2. requests：网络请求/高级网络请求
3. Beautiful Soup：返回的html解析
4. xlrd/xlwd/xlutils.copy：Excel的读、写、读转写
5. proxy_pool：IP代理池，链接：https://github.com/jhao104/proxy_pool
6. concurrent.futures：自带线程池