用 WorkBuddy 把 15 部税法 + 2026 年全部公告解读，做成一个可搜索的 HTML 知识库

关键词：WorkBuddy、税法、国家税务总局、法规抓取、单文件 HTML、全文搜索

做税务工作的人，几乎都被同一件事折磨过：

• 想查一条法条，要在十几个网页间来回跳；
• 国家税务总局的法规库是 JS 动态渲染的，普通爬虫和 headless 渲染都拿不到列表，只能靠搜索引擎碰运气；
• 2026 年 1 月 1 日《增值税法》及实施条例正式施行，财政部、税务总局集中发布了全套配套公告，配套解读几十篇，分散在网站各处，根本没法快速对照。

这篇文章记录我是怎么用 WorkBuddy（AI 助手 + Python 脚本 + 浏览器自动化）把这些信息一次性整合成一个单文件 HTML 知识库的：15 部现行有效税法全文（460 条）、2026 年 72 份公告 + 78 篇政策解读，带侧边栏导航、全文搜索、主题筛选、一键复制，双击即用，不依赖任何服务器。

一、最终效果

一个 中国税法知识库.html（约 0.8 MB），包含：

功能：全文搜索（法条命中高亮）、侧边栏分章导航、按税种/主题筛选、一键复制全文、跳转官方原文。

二、核心难点：法规库列表是 JS 动态渲染的

国家税务总局政策法规库 fgk.chinatax.gov.cn 的列表页，源码里只有一段 JS 占位，数据靠异步接口返回。我逆向了它加载页面的 getManuscript.js / getSearch.js，找到两个未文档化的接口：

# 1) 文件列表（公告、规范性文件）：POST
https://www.chinatax.gov.cn/getFileListByCodeId
表单参数：codeId=''&channelId=<栏目ID>&page=1&size=100
返回：results.data.results[]，每条含 titleHtml、url；
      元信息在 domainMetaList[].resultList[]，其中「成文日期」是关键字段，用于按年份过滤。

# 2) 政策解读检索：GET
https://www.chinatax.gov.cn/search5/search/s
参数：siteCode=bm29000002&column=政策解读&xxgkResolveType=文字|图片
      &pageNum=0&pageSize=10&cwrqStart=2026-01-01&cwrqEnd=2026-12-31
      &type=1&likeDoc=0&wordPlace=0
返回：searchResultAll.searchTotal[]，含 title / cwrq / url。

关键细节：channelId 不是网址里的 c 号，要从各栏目列表页 HTML 里正则提取 channelId = "..."。我用到的几个：

• 财税文件（财政部 税务总局公告）= 2cb303fdee614232b79552d52bb057d6
• 总局规范性文件 = 470b437b304f434396500a1e2edc7f28
• 总局其他文件 = 7778c3a40a344de3a36ca88a2548f5f8

数据按「成文日期」倒序返回，翻页时遇到非目标年份即可终止，省流量。

三、操作步骤（WorkBuddy 可直接照跑）

步骤 1：准备 Python 环境

WorkBuddy 自带隔离的 Python，建个 venv 装依赖：

PY=C:/Users/19802/.workbuddy/binaries/python/envs/default/Scripts/python.exe
$PY -m pip install requests beautifulsoup4 lxml

税法全文解析用 BeautifulSoup；HTML 生成我直接用 f-string 拼模板，不依赖前端框架，保证单文件、零外链。

步骤 2：抓 2026 年全部公告与解读

要点：

• 线程池 + 退避重试：并发过高会被法规库限流（返回约 1.6KB 的无内容页），线程数控制在 8 以内，失败指数退避。
• 图解类解读正文为空是正常的：div.arc_cont 里只有一张图、约 19 字，应标注为「图解」并保留原文链接，不要当成抓取失败。
• 每篇抓 title / date / url / category / content(段落列表)，落盘为 data2026.json。

步骤 3：提取 15 部税法全文

每部法对应一个 fgk 内容页（div.article → div.arc_cont，逐条 <p>；标题在 <h3>；通过/修正沿革在 div.zs）。解析逻辑：

• 按「第X章」「第X节」映射 Heading，按「第N条」映射条文；
• 自动剥离目录重复块：网页正文开头常把章节标题先列一遍目录、正文再列一遍，需用周期匹配去重；
• 单段压多条文：部分短法（印花税法、资源税法等）整部法塞进一个 <p>，要按「第X条」切分；
• 清理章名装饰空格：网页在章名里塞了全角空格（如 第三章　应　纳　税　额），比对目录与正文时要用归一化空格，展示时清掉。

步骤 4：生成单文件 HTML

核心结构（节选）：

<div class="sidebar"> … 侧边栏导航 … </div>
<main>
  <section id="p-overview">总览 + 统计卡片</section>
  <section id="p-law">税法全文（顶部导航 + 法条卡片）</section>
  <section id="p-files">2026 公告（主题筛选 chip + 折叠卡片）</section>
  <section id="p-interps">2026 解读</section>
  <section id="p-topic">按税种主题聚合</section>
  <section id="p-search">全文搜索结果（法条高亮）</section>
</main>
<script>
  // 全文搜索：遍历 DATA.laws 的条文做 includes，命中处用 <mark> 高亮；
  // 公告/解读按标题+正文匹配；主题页按关键词过滤。
</script>

样式用 CSS 变量（--bg / --card / --text ...），浅色主题、移动端侧边栏可收起。所有数据内联进 <script>，导出的就是纯静态单文件。

步骤 5：用 headless Chrome 做冒烟测试

生成后务必验证渲染与 JS 无报错：

chrome --headless=new --remote-debugging-port=9333 \
  "file:///.../中国税法知识库.html"

连上 CDP，用脚本断言：侧边栏条目数、法条块数、搜索高亮数、卡片折叠、主题筛选都正常，并收集 console.error / exceptionThrown。我这一版跑完控制台零报错。

四、真实踩过的坑（照抄可避雷）

1. 目录重复块：正文开头目录与正文重复，不剥离会让「第一章」出现两次、章数翻倍——用周期匹配去重。
2. 单段压多条文：短法整部塞一个 <p>，不切分会把整部法变成一段——按「第X条」切分。
3. 章名装饰空格：第三章　应　纳　税　额 这种，比对时要归一化空格。
4. fgk 限流：并发过高返回空页；线程数 ≤8 + 退避重试。
5. 图解解读空正文：属正常，标注「图解」+ 原文链接即可。
6. 环保税法 c5245547 是修改决定，不是法律全文：2025 第二次修正的完整法律在 c5193032，别抓错。
7. 税收征收管理法最新有效版 = 2015 修正版（c5195081），2025 的修订征求意见稿尚未生效，不能当「最新版本」。

五、可复用

我把这套抓取方法存成了 WorkBuddy 技能 tax-doc-scraper：换年份、换税种，改个参数重跑即可，数据源都留在 .tmp/ 里。后续要加 4 部暂行条例（消费税、房产税、城镇土地使用税、土地增值税）或其他年份，同一套脚本直接扩。

六、结语

这套知识库把分散在国家税务总局法规库里的 15 部税法 + 2026 年 150 篇公告解读，从「每次上网现找」变成「本地一键搜索」。全流程在 WorkBuddy 里完成：Python 脚本抓数据、解析与生成 HTML、headless Chrome 验证。如果你也常被法规检索折磨，照上面的接口和步骤，半天就能复刻一份属于自己行业的知识库。

提示：抓取的文本来自税务总局法规库，正式引用时仍以国家法律法规数据库（flk.npc.gov.cn）复核为准。