auto_on_response

这是针对兴业银行招聘网站的专项爬虫模块，采用了一种特殊的网络请求拦截方式来获取数据，而不是解析 HTML。

为什么要拦截网络请求

兴业银行的招聘页面是前后端分离的 SPA（单页应用），职位数据通过 Ajax 请求从接口 https://job.cib.com.cn/ersApi/recruitposition/portalPage 动态加载，页面 HTML 里根本没有职位内容。用之前 gen_000xx.py 那套解析 HTML 的方式行不通，所以改为直接拦截浏览器发出的 API 响应，拿到原始 JSON 数据。

两个文件的分工

main_proc 是入口路由，根据 _key（公司编号）决定调用哪个专项处理函数。目前只有 com_91000（兴业银行）一个分支，后续新增其他特殊公司时在这里加 elif 即可。

xingye_proc 是兴业银行的具体处理逻辑，分三层：

xingye_proc.py 内部三层结构

第一层 xingye_proc：注册监听 + 翻页控制

用 Playwright 的 page.on('response', handler) 注册一个响应拦截器，然后打开招聘页面 URL，之后循环点击"下一页"按钮，每次翻页等待 30 秒（给 Ajax 请求留出时间）。翻页上限默认 3 页，如果配置了 method=cp_full 则爬取全部（最多 100 页）。

第二层 response_handler：过滤响应 + 触发解析

每次浏览器收到任何网络响应都会触发这个函数，但只处理目标 API 接口的响应。确认 message == '成功' 后，遍历返回的职位列表，逐条交给第三层处理。

第三层 xingye_json：数据转换 + 落盘

把接口返回的原始字段（positionName、publishTime、departmentDesc 等）映射成系统统一的字段格式（announcement_name、publish_time、hd_dept 等），同时用 generate_html 把结构化数据拼成一段伪 HTML 文本，写入 .html 文件——这样后续的 ann_md.py → ann_model.py 解析流水线就可以无缝复用，不需要为这家银行单独适配。

关键设计点

generate_html 这个函数值得单独说一下。接口返回的是干净的 JSON，本来不需要转成 HTML，但整个系统后续的解析链路（Html2txt → 大模型）都是以 HTML/纯文本为输入设计的。所以这里故意把 JSON 字段拼成 <div>职位名 xxx</div> 这样的伪 HTML，让数据能平滑地进入已有流水线，避免为一家公司专门改动核心处理逻辑。

与通用模块的对比

通用路径（大多数公司）          兴业银行专项路径
      │                               │
  页面渲染完成                    注册响应拦截器
      │                               │
  取 HTML 内容               浏览器发出 Ajax 请求
      │                               │
  gen_000xx.py 解析          response_handler 捕获
      │                               │
  提取职位列表                  直接拿到 JSON 数据
      │                               │
      └──────────── 统一字段格式 ─────────────┘
                         │
                   后续解析流水线

项目分区导航：page_00001 ⬅️ | 00-auto_on_response | ➡️ main_proc