补全18税种版图：用WorkBuddy把4部暂行条例与2025年新政并入税法知识库

补全 18 税种版图：用 WorkBuddy 把 4 部暂行条例与 2025 年新政并入税法知识库

关键词：WorkBuddy、税法、暂行条例、国家税务总局、法规抓取、单文件 HTML、知识库维护

上篇我用 WorkBuddy 把 15 部已立法税法 + 2026 年全部公告解读整合成了可搜索的 中国税法知识库.html。但中国的 18 个税种里，还有 4 个至今没有立法、只以「暂行条例」形式存在——消费税、房产税、城镇土地使用税、土地增值税；而且 2025 年成文的公告与解读也还没并进库里。

这篇就讲我怎么用同一套脚本，把这两块补进去，让知识库从「15 部 + 2026」升级到 「19 部 + 2025–2026」。全程复用上篇的抓取与生成逻辑，只改了数据源和几处合并代码，属于「知识库维护」的标准动作。

一、最终效果

重新生成后的 中国税法知识库.html（约 1.45 MB）：

4 部暂行条例以「行政法规」层级与 15 部法律并列展示，并标注了版本沿革，方便对照「已立法 vs 暂行条例」的差异。

二、两个关键差异点（先搞清楚再动手）

差异 1：暂行条例在「行政法规」库，不在「法律」库

上篇 15 部法都在 c100009（法律）栏目。暂行条例属于行政法规，在 c100010 栏目：

# 暂行条例内容页（消费税为例）
https://fgk.chinatax.gov.cn/zcfgk/c100010/c5194422/content.html
#                                   ^^^^^^^ 注意这里是 c100010

幸运的是，两栏目的正文结构完全一致（div.article → div.zs 沿革 + div.arc_cont 逐条 <p>，标题在 <h3>）。所以解析逻辑可以 100% 复用，只要把 BASE 从 c100009 换成 c100010。

差异 2：2025 年政策解读的抓取有「隐藏坑」

上篇的 fetch_interp 靠 search5/search/s 接口的 cwrqStart/cwrqEnd 日期过滤来取某一年。但实测发现：这个日期过滤参数根本不生效——接口永远按时间倒序返回最新的 10 条（2026 年在最前），翻页才能见到更早的年份。

# 带 2025 日期过滤，结果照样返回 2026 的最新 10 条 —— 过滤被无视
GET https://www.chinatax.gov.cn/search5/search/s
  ?siteCode=bm29000002&column=政策解读&xxgkResolveType=文字
  &cwrqStart=2025-01-01&cwrqEnd=2025-12-31
# 返回：2026 年解读 10 条（过滤无效！）

这意味着：2025 年的解读排在 2026 年之后（按时间倒序），必须用「翻页 + 客户端按年份筛选」，而不能依赖接口的日期参数。

三、操作步骤（WorkBuddy 可直接照跑）

步骤 1：复用解析逻辑，抓 4 部暂行条例

直接 import 上篇的 税法原文生成脚本.py，只改 BASE，再调用同一个 parse_law，把返回的 (kind, content) 列表转成 HTML 生成器要的 blocks 格式：

import 税法原文生成脚本 as fl
# 只换数据源栏目：法律 c100009 -> 行政法规 c100010
fl.BASE = 'https://fgk.chinatax.gov.cn/zcfgk/c100010/{}/content.html'

# 4 部暂行条例的 c 号（从 c100010 列表接口 getFileListByCodeId 取得）
REGS = [
    ('消费税暂行条例', 'c5194422'),
    ('房产税暂行条例', 'c5196866'),
    ('城镇土地使用税暂行条例', 'c5194445'),
    ('土地增值税暂行条例', 'c5194433'),
]

# parse_law 返回 units=[('article','第一条 …'), …]
# 转成生成器要的 blocks=[{'t':'art','h':'第一条','b':'…'}, …]
def units_to_blocks(units):
    blocks = []
    for kind, content in units:
        if kind == 'chapter':
            blocks.append({'t': 'chap', 'h': clean_heading(content), 'b': ''})
        elif kind == 'article':
            m = re.match(r'^(第[一二三四…\d]+条)\s*(.*)$', content, re.S)
            h, b = (m.group(1), m.group(2).strip()) if m else ('', content)
            blocks.append({'t': 'art', 'h': h, 'b': b})
        else:  # text / 续行（如税率表）
            blocks.append({'t': 'text', 'h': '', 'b': content})
    return blocks

落盘为 .tmp/laws_extra.json，格式与原有的 laws.json 完全一致。

步骤 2：修正 2025 年解读抓取逻辑

把 fetch_interp 改成「翻页遍历 + 客户端按年份过滤」：当整页最大年份已小于目标年份时停止（结果按时间倒序，之后不会再出现目标年份）。

def fetch_interp_year(year):
    items, seen = [], set()
    for rtype, label in [('文字', '文字解读'), ('图片', '图解解读')]:
        for page in range(0, 30):
            rows = search(column='政策解读', xxgkResolveType=rtype, pageNum=page)
            if not rows:
                break
            yrs = [str(v.get('cwrq', ''))[:4] for v in rows]
            if max(y for y in yrs if y) < year:   # 已越过目标年份
                break
            for v in rows:
                if not str(v.get('cwrq', ''))[:10].startswith(year):
                    continue                       # 只收目标年份
                # ... 加入 items（去重）
    return items

跑一次就拿到 2025 年 56 份文件 + 109 篇解读（34 文字 + 75 图解）。图解类正文为空是正常现象，生成器会标注「图解」并保留原文链接。

步骤 3：合并进生成脚本

在 生成税法知识库HTML.py 里把两份增量数据并进去：

# 原 15 部 + 新 4 部暂行条例
LAWS = json.load(open('.tmp/laws.json'))
LAWS += json.load(open('.tmp/laws_extra.json'))
# 2026 年 + 2025 年公告解读
DOCS = json.load(open('.tmp/data2026.json'))
DOCS += json.load(open('.tmp/data2025.json'))

再把页面里写死的「15 部 / 2026 年」文案改成「19 部 / 2025–2026 年」——侧边栏、统计卡片、总览标题、页面大标题都同步更新，避免和实际数据对不上。

步骤 4：重新生成 HTML

PY=C:/Users/19802/.workbuddy/binaries/python/envs/default/Scripts/python.exe
$PY 生成税法知识库HTML.py
# 输出：税法 19 部 / 公告 128 份 / 解读 187 篇，文件 1.45 MB

四、真实踩过的坑（照抄可避雷）

1. 暂行条例栏目搞错：4 部暂行条例在 c100010（行政法规），不在 c100009（法律）。先确认栏目再抓，解析逻辑可复用。
2. 搜索接口日期过滤是摆设：search5/search/s 的 cwrqStart/cwrqEnd 不生效，永远返回时间倒序的最新 10 条。取某一年必须翻页 + 客户端按年份筛，并在整页最大年份小于目标年时停止。
3. 翻页早停会漏数据：如果像上篇那样「遇到非目标年份就 break」，2025 年解读会被前面排队的 2026 年条目提前打断、整批漏掉——所以改成「只跳过、不 break，直到整页都小于目标年」。
4. 每页固定 10 条不是 50 条：接口 pageSize=50 实际只返回 10 条，翻页用 pageNum 递增即可，别被参数名骗了。
5. 图解解读空正文正常：70 多页图解类解读 div.arc_cont 里只有一张图，应标注「图解」+ 原文链接，不要当成抓取失败。
6. 写死数字要和真实数据同步：合并后务必把「15 / 2026」改成「19 / 2025–2026」，否则总览统计和实际对不上，读者一眼看出破绽。

五、可复用

整套脚本已经参数化：换年份（抓 2024、2023…）只要改 YEAR 重跑；换税种加一部暂行条例，往 REGS 列表里补一个 c 号即可。laws_extra.json / data2025.json 都留在 .tmp/ 里，下次重生成 HTML 直接读，不用重新抓。

六、结语

把 4 部暂行条例和 2025 年新政并进去后，这份知识库覆盖了中国 18 个税种里已立法的 15 部 + 以暂行条例存在的 4 部，以及 2025–2026 两年的国家税务总局公告与解读。从「每次上网现找」到「本地一键搜索 + 跨年对照」，全程在 WorkBuddy 里用 Python 脚本抓数据、解析、生成单文件 HTML 完成。如果你也维护某个行业的资料库，照这套「抓增量 → 转格式 → 合并 → 重生成」的套路，扩内容就是改几个参数的事。

提示：抓取的文本来自税务总局政策法规库，正式引用时仍以国家法律法规数据库（flk.npc.gov.cn）复核为准。暂行条例部分尚未立法，引用时请注意其行政法规层级。