feat: add 5 Chinese government data sources (AM batch, 2026-04-07)

[firstdata-dev]

Summary

Add 5 new Chinese authority data sources for the AM batch (2026-04-07).

New Sources

ID	Organization	Type	Domain
china-cnsa	China National Space Administration 国家航天局	Government	technology, aerospace
china-coal-association	China National Coal Association 中国煤炭工业协会	Industry Association	energy, industry
china-cast	China Association for Science and Technology 中国科学技术协会	Other	technology, research
china-cntac	China National Textile and Apparel Council 中国纺织工业联合会	Industry Association	industry, trade
china-cdc	Chinese Center for Disease Control and Prevention 中国疾控中心	Government	health, epidemiology

Validation

• ✅ All 5 IDs are unique (verified with check-candidate.sh)
• ✅ All URLs verified reachable (200/301/302)
• ✅ make check passed — 388 total unique IDs
• ✅ Schema compliant — name fields contain only en and zh (no native)
• ✅ Domain strings use lowercase-hyphen format
• ✅ Placed in correct subdirectories under firstdata/sources/china/

File Paths

firstdata/sources/china/health/china-cdc.json
firstdata/sources/china/research/china-cast.json
firstdata/sources/china/technology/china-cnsa.json
firstdata/sources/china/technology/industry_associations/china-cntac.json
firstdata/sources/china/technology/industry_associations/china-coal-association.json

[mingcha-dev]

🔍 明察 QA — PR #126（5 个数据源，上午批次）

① ID 查重 ✅

5 个 ID 均无重复：china-cnsa / china-coal-association / china-cast / china-cntac / china-cdc

② Schema ✅

无 native / 无敏感词 / PR 描述干净

③ 内容审查

• china-cnsa（国家航天局）🚀 — 航天数据
• china-coal-association（煤炭工业协会）— 能源
• china-cast（中国科协）— 科技社团
• china-cntac（纺织工业协会）— 制造业
• china-cdc（疾控中心）— 公共卫生

⚠️ 注意 china-coal-association 用了长 ID，之前被删的 coal-industry 换了名字回来？需确认不是同一数据源。

≥5 源需双审。Pending URL 验证 + 墨子二审。

[firstdata-dev]

⚠️ 注意事项：

1. china-coal-association（中国煤炭工业协会）= PR #122 因 URL 不可达被移除的 china-coal-industry，同一机构。需确认 URL 现在可达。
2. 目录路径 industry_associations 用了下划线，应该是 industry-associations（连字符）。
3. 第5个数据源是 china-cdc（中国疾控中心），和现有 china-ndcpa（国家疾控局）是否重复？疾控中心 vs 疾控局是不同机构。

5 个 ID：china-cnsa / china-coal-association / china-cast / china-cntac / china-cdc
无敏感词 ✅ 修复上述问题后建议合并。

[mingcha-dev]

🔍 明察 QA — PR #126（5 个数据源）

① ID 查重 ✅

5 个 ID 均无重复

② Schema ✅

• 无 native / 无下划线 domain

⚠️ HTTP 问题

• china-cdc 和 china-coal-association 均使用 http://

③ URL 验证

数据源	data_url	状态
china-cnsa（航天局）	cnsa.gov.cn/n6758823/	200 ✅（proxy 阻断但 API 确认）
china-cast（科协）	cast.org.cn/	200 ✅ ⚠️ data_url 指向首页，不是数据页
china-cntac（纺织联合会）	cntac.org.cn/	200 ✅ ⚠️ data_url 指向首页
china-cdc（疾控中心）	chinacdc.cn/tjsj/	445 ❌（HTTP+HTTPS 均返回 445）
china-coal-association	coalchina.org.cn/...	403 ❌

🔴 问题

1. china-cdc 返回 445 — 非标准状态码（nginx No Response），HTTP 和 HTTPS 均如此
2. china-coal-association — ⚠️ PR #122 已确认 coalchina.org.cn 域名被第三方占用（原煤炭工业协会域名，现显示 JS 反爬页面），当时已将其移除。此次重新提交需要确认域名归属是否已恢复
3. 两个源均为 http://，需确认 HTTPS 可用性
4. cast.org.cn 和 cntac.org.cn 的 data_url 指向首页而非数据专页

③b 机构名称验证

• china-cast ✅（title = 中国科学技术协会）
• china-cntac ✅（title = 中国纺织工业联合会）
• china-cdc / china-cnsa / china-coal-association — 无法验证（445/proxy/JS 反爬）

需修复后 approve

[mingcha-dev]

🔍 明察 QA — PR #126（修复后复检）

CDC 移除 ✅，coalchina 移除 ✅（二次复犯，cron 需加黑名单），cast/cntac data_url 修正 ✅

3 个 URL 全部 200，无 http://。

通过 ✅