移动代理法律数据
判例法和法规是经过刻意安排的，由各司法管辖区分别发布，所采用的服务是专为律师而非网络爬虫设计的。重点在于覆盖范围和引文的完整性，而非访问便利性。
- 每个司法管辖区都有自己的服务平台——BAILII、Legifrance、EUR-Lex和CourtListener是四个截然不同的世界，而非四个镜像。
- 判决书中包含个人数据——一些司法管辖区会刻意进行假名化处理，而重新识别身份是一件非常严重的事情。
- 引文是一个棘手的问题——同一条判例在不同的系统中拥有不同的标识符。
- 这些是公共服务——耐心、温和地收集信息既正确又更可靠。
访问各司法管辖区的法律数据库。
记录每个系统所使用的标识符。
法律数据收集
法律资料是经过刻意规划的，按各司法管辖区分别发布，通过专为法律从业者而非网络爬虫构建的服务进行发布。访问通常不是问题，问题在于覆盖范围和引文的完整性。
这些服务在结构上几乎没有任何共同之处。英格兰和威尔士有BAILII和国家档案馆判决服务；法国有Legifrance；欧盟有EUR-Lex；美国联邦法院则依托PACER系统，而CourtListener和RECAP档案库则提供大量判决的免费访问。 每个系统都有自己的标识符、覆盖深度、对“文件”的定义以及搜索语义。并不存在“一次构建，覆盖五个国家”的方案。
| 管辖权 | 主要服务 | 访问字符 |
|---|---|---|
| 英格兰和威尔士 | BAILII, 国家档案馆的裁决 | 开放、免费、对利率敏感 |
| 法国 | Legifrance | 开放，并按设计采用假名化判决书 |
| 欧洲联盟 | EUR-Lex | 开放且结构清晰，并具有已文档化的接口 |
| 美国（联邦） | PACER, CourtListener, RECAP | 按检索的页面数收费；免费镜像站点涵盖了其中很大一部分 |
请注意美国案例中限制措施的性质。PACER 并非在阻止你，而是向你收费。在那里进行非定向爬取不仅会被拒绝，还会产生高昂费用，因此，缩小查询范围才是正确的应对方式——而扩大地址池则是一种完全错误的做法。
判例法研究
判例法中的难点不在于检索，而在于身份识别。同一份判决可能以中立引证、一项或多项法律报告引证、法院案号以及数据库内部标识符的形式出现，而不同的系统偏好不同的标识方式。 跨管辖区的法律研究能否成功，关键在于能否将这些标识符解析为单一实体；而在实践中，这项工作所耗费的精力远超法律汇编本身。
neutral_citation … report_citations [ … ] # frequently several, from different reports docket_number … source_id … # the database's own identifier court … decided_on … source bailii | legifrance | eurlex | courtlistener fetched_at 2026-08-24T09:14:02Z
第二个原则是版本管理。司法判决会经过修正并重新发布，法律法规也会不断修订——虽然汇编文本会发生变化，但其引用地址始终不变。记录下您阅读的是哪个版本以及阅读的时间，才能让我们明确在特定日期法律的内容，而不仅仅是当前的法律内容。
监管信息收集
监管是该垂直领域中发布量较大、商业需求更旺盛的一半。国家公报、监管机构出版物、咨询文件、指导说明和执法决定，其更新速度均快于判例法，且对试图在多个市场保持合规的企业而言，其影响更为直接。
在此情况下，本地出口往往确实是必要的。一些国家服务会限制或降低来自国外IP地址范围的访问质量，还有一些服务会根据访问者显示的位置，以不同的方式呈现界面、搜索行为和文档的可用性。 从某司法管辖区内部访问该管辖区的服务，是查看当地从业者所见内容最可靠的方式，同时还能消除一类间歇性故障——这类故障若不通过此方式，往往很难查明原因。
- 关注索引，而非文档simplified-chinese (Mainland) — 公报和监管机构会按计划发布信息。查询列表，仅获取最新内容。
- 记录咨询过程及结果 — 草案和相关反馈往往在最终文件出台数月前就已预示其走向。
- 保留原文语言 — 先保存源文本，再进行翻译。已翻译的法律文本仅为摘要，并非证据。
跨司法管辖区数据
开展比较研究正是构建该数据库的初衷，这也带来了一项单纯收集数据所不具备的责任。一些司法管辖区特意以假名化形式公布判决书，以避免个人信息被永久检索——法国的做法便是众所周知的例子。 按原样收集已公布的文本通常没有问题。但试图重新识别当事人身份，或者通过跨来源汇总数据的方式，从而破坏某个来源刻意实施的假名化处理，则属于严重问题。
这是一个需要寻求法律意见的问题，而非工程决策，而且在管道建成之前提出这个问题是值得的。跨司法管辖区的数据集可能会在无人察觉的情况下，悄然恢复某个司法管辖区曾费尽心力消除的可检索性，而这并非任何人有意为之。
这些是公共服务，通常预算有限，且由正在履行职责的人员使用。耐心、单线程、非高峰时段的数据读取既是一种正确的做法，也——由于它绝不会触发防御性响应——是一种更可靠的做法。
关于收款纪律，请参见 网络爬虫的最佳实践，以及邻近的公共部门来源， 政府数据.
从内部全面覆盖每个司法管辖区
PXM2实时位置——选择您研究涵盖的辖区，并联系当地的相关服务机构：
法国
印度
新加坡
常见问题解答
判例法实际上是在哪里公布的？
在结构上几乎毫无共通之处的各国及超国家服务中，英格兰和威尔士有BAILII以及国家档案馆的判决服务；法国有Legifrance；欧盟有EUR-Lex；而美国联邦法院则依托PACER系统运行，同时通过CourtListener和RECAP档案库提供大量判决的免费查阅服务。 这些服务各自拥有独立的标识符、不同的收录深度，以及对“何为文件”的独特定义。
是否存在费用或准入障碍？
有时，了解具体是哪种情况很有必要。有些服务是免费且开放的，有些则虽然免费阅读，但设有速率限制。PACER按检索的每页收费，这使得非定向爬取虽然未被封锁，但成本高昂。当涉及收费时，正确的应对方式是缩小查询范围，而不是扩大地址池。
判决书中的个人数据又该如何处理？
这是真实存在的，且受到法规约束。一些司法管辖区正是为了避免个人身份信息被永久检索，才以假名化形式公布判决书，法国的做法便是众所周知的例子。 收集已公布的文本通常没有问题；但试图重新识别当事人，或通过跨来源汇总数据的方式规避假名化处理，则属于严重问题，应寻求法律建议而非仅由工程团队自行决定。
训练中最难的部分是什么？
引文，这方面差距明显。同一份判决可能会以中立引文、法律报告引文、案号以及数据库内部标识符等不同形式出现，而不同的系统又各有所偏好。跨司法管辖区的文献检索能否成功，关键在于能否将这些形式解析为单一实体，而这项工作所耗费的精力远超文献收集本身。
对于法律来源而言，本地出口为何重要？
一些国家的服务会限制或降低来自国外IP地址范围的访问质量，还有一些服务会根据访问者的显示位置，以不同的方式呈现界面、搜索行为和文档的可用性。从该司法管辖区内部访问其服务，是查看当地从业者所见内容的最可靠方式。
相关移动代理指南
法律资源与政府资源之间存在大量重叠——两者都是按管辖区域逐一发布的公共服务。