amazon-chunker

name	amazon-chunker
description	Amazon 商品完整 HTML 页面的分块器。读取 ≈2MB 的完整详情页 HTML，按稳定 DOM id 切出 4 个子 HTML（ppd / customer_reviews / product_details / aplus）。当 agent 需要对完整 HTML 进行分块切分时调度此技能。
type	skill

分块器（Chunker）

任务

读取完整 HTML，找出 Amazon 稳定的大块 DOM id，写好分块器（chunker.py），利用分块器切出 4 个子 HTML 文件，并验证切分是否正确合理。

常见目标块

块名	主 selector	备选 selector	内容
ppd	#ppd	#dp-container	标题/价格/评分/buybox/变体/卖点/图片
customer_reviews	#customerReviews	#reviewsMedley	评分分布 + 用户评论
product_details	#productDetails_feature_div	#detailBullets_feature_div	规格参数表
aplus	#aplus	#aplusBrandStory_feature_div	A+ 品牌内容/对比表/图片

分块规则

1. 用 BeautifulSoup(html, "lxml") 解析完整 HTML
2. 对每个块，按主 selector → 备选 selector 顺序尝试 soup.select_one()
3. 命中后，移除所有 <script> 标签，其他原样保留
4. 输出为独立 HTML 文件：<block_name>.html
5. 未命中的块记录到 manifest，不报错

输入来源

MCP scraper 产出：{workspace}/products/{ASIN}/product.html

分块器工作步骤

1. 读取 products/{ASIN}/product.html 样本文件（优先 Top1/Top25）
2. 用 Python 脚本探测所有带 id 的顶层节点，对比多个样本找出共有块
3. 确认 4 个目标块的 selector 在所有样本上都能命中
4. 如果发现某个块使用了备选 selector，记录下来
5. 根据实际 HTML 样本确定 chunker/static_chunker.py 中每个 block 的 selector，生成分块器代码 + 测试

产出

• chunker/static_chunker.py — 分块器实现
• tests/test_static_chunker.py — 分块器测试