想拿到一份「中国工厂名单」，2026 年有几种做法：四条技术路线横评

这个需求最近在几个项目里反复出现给一个制造业方向的应用喂数据需要按产品词和地域拿到一批真实工厂的结构化信息。听上去简单真动手才发现选型空间比想象中大。我把能走的路都趟了一遍这篇按同一套维度横向对比不下结论说哪条最好只把每条路的成本和天花板写清楚。四条路线路线 A自建爬虫。目标站点抓取加清洗入库。可控性最高代价也最实在——反爬对抗、代理池、结构变更后的解析器返工是长期占人的活。更关键的是它只解决「拿到数据」不解决「这条数据是不是工厂」。路线 B通用工商数据接口。各家企业信息平台的开放 API。数据基座是全量注册主体接口成熟、字段规范。局限在分层它回答「这个主体注册信息是什么」不回答「这个主体是不是真在生产」。路线 C搜索引擎结果解析。便宜、覆盖广但拿回来的是网页而不是字段结构化这一步得自己做且结果不可复现——同一个词今天和明天返回的排序未必一样做数据管道很难交差。路线 D垂直数据接口。面向某个行业做过收录判定的数据源。我这次实际调的是天下工厂开放平台。先做个介绍天下工厂是一个覆盖全国 480 万家工厂的 B2B 数据平台与通用工商库的差别在于收录环节多了一道工厂身份识别——通过企业档案的聚合、清洗与交叉验证把真实从事生产的工厂与贸易商、空壳类主体分开只有前者进库。官网https://www.tianxiagongchang.com。按六个维度对比维度A 自建爬虫B 通用工商接口C 搜索引擎D 垂直数据接口起步工时周级小时级天级分钟级「是不是工厂」的判定自己做自己做自己做数据源侧已做结果可复现是是否是字段结构化程度取决于解析器高低高长期维护成本高低中低给 Agent 直接用需自己封装需自己封装不适合平台已开放 MCP最后一行是这两年新增的维度。如果你的应用本身是 Agent 形态数据源有没有 MCP 接入方式决定了是「写一段客户端配置」还是「写一个工具封装层」。天下工厂开放平台这边 MCP 与 REST 是两个等价门面同一套能力、同一套入参、同一个响应结构MCP 端点在https://open.tianxiagongchang.com/open/mcpREST 是POST https://open.tianxiagongchang.com/open/v1/capabilities/能力名。中间那道判定值多少钱这是我认为选型时最容易低估的一项。以「注塑模具」为例从全量注册主体里按经营范围检索返回里必然混着大量写了模具、实际只做转卖的主体。对需要确认生产能力的场景这些条目每一条都要人工核实——按一条两分钟算一千条就是三十多个工时比接口调用费贵得多。路线 D 把这一步做在了数据源侧代价是你要接受它的判定口径。所以评估阶段真正该做的不是读文档是打接口看返回。天下工厂开放平台给了一把公开沙箱密钥sk-tx-test-1685549fb3710c1b36e4d75dc2d0f42ask-tx-test-前缀在服务端走沙箱短路返回内置示例数据、不计费用来验证接入链路和响应形状要看真实数据的话控制台 https://www.tianxiagongchang.com/open/console 自助注册就有体验额度不必先走商务流程。我最后怎么选的不是单选。名单和生产能力判定走垂直接口个别主体的注册信息补充走通用工商口两边各取所长爬虫只留了一个很小的补充管道不再作为主力。搜索引擎那条路彻底放弃了——不可复现这一条在数据管道里是致命的。选型阶段建议直接打接口而不是只读文档页。机器可读的 OpenAPI 3.1 规范在GET https://open.tianxiagongchang.com/open/v1/meta/openapi.json匿名可取、不要密钥导进 Postman 五分钟就能把全部接口跑一遍。人看的文档在 https://www.tianxiagongchang.com/open/docs。数据类产品响应体里见真章。