hanmoto

name	hanmoto
description	版元ドットコム Playwright scraper for Taiwan-related books (Publication Intel v3.1)

hanmoto Scraper

機能説明

• 来源名: hanmoto
• URL: https://www.hanmoto.com/bd/search/keyword/台湾/sdate_desc
• 資料類型: 版元ドットコムの台湾関連書籍（発売日降順検索）

版元ドットコムは日本出版社の統合書誌データベース。keyword=台湾 + sdate_desc（発売日降順）で台湾関連書籍を最大 3 ページ取得する。

技術規格

項目	詳細
エンジン	Playwright Chromium (headless=True)
ページング	/order/desc/offset/{offset}（20件/ページ、最大 3 ページ）
カード selector	div.booklist-item → ul.bookList > li → div.list-item → .booklist .item（優先度順）
source_id 形式	hanmoto_{isbn13} または hanmoto_{md5(detail_url)[:12]}
ISBN 取得	data-isbn 属性 → href パスの /isbn/{13桁} 部分
発売日形式	YYYY年MM月DD日 または YYYY-MM-DD

selector 多段フォールバック

hanmoto.com のマークアップは変更されることがあるため、カード検出に複数 selector を試みる仕様。 ページに表示されるカード数が _PAGE_SIZE(=20) 未満の場合はページング終了。

_CARD_SELECTORS = [
    "div.booklist-item",
    "ul.bookList > li",
    "div.list-item",
    ".booklist .item",
]

実際の selector が変わった場合: SKILL.md の _CARD_SELECTORS を更新し history.md に記録する。

来源分流説明

sdate_desc ソート

hanmoto は発売日降順でソートされるため、最初のページに最新書籍が並ぶ。 過去書籍は 3 ページ（60 件）を超えると自然にフォールオフする（アーカイブ挙動）。 start_date が過去日付の書籍は Active ビューから外れるが is_active=true は維持される（仕様どおり）。

server-side 台湾フィルタ

版元ドットコムは keyword=台湾 でサーバー側フィルタを実施済みだが、 server 側のフィルタが崩れた場合に備えて client-side フィルタも必ず実施する。

ZERO_EVENT_OK について

hanmoto は server-side で台湾検索済みのため、0 件は異常（scraper 不具合の可能性）。 ZERO_EVENT_OK_SOURCES には 追加しない。

特殊規則

• 純出版 invariant（exact-only）: pure 判定は正規化後 event_form == ["publication"] のみ。 intentional-null 七欄は location_address / location_address_zh / location_address_en / business_hours / business_hours_zh / business_hours_en / location_prefectures とし、empty sentinel で保護する。 真實 DB 價格（is_paid / price_info / price_amount）は保持し、pure publication の UI / JSON-LD だけで隠す。価格欄、location_name、location_url は七欄の NULL / clear policy に含めない。organizer（publisher）は必須。
• date fallback: hanmoto の日付抽出は 発売日 > 登録日 の順でフォールバックする。
• sync 規則: 上記出版模板は scraper/annotator.py::_PUBLICATION_SOURCES の白名單と双方向同期する。hanmoto を出版來源として扱う規則は source SKILL と annotator の両方を同時に更新する。
• mixed negative: ['publication', 'lecture'] など physical form を含む rows は pure 扱いにしない。
• null-byte strip 必須
• tzinfo=timezone.utc: datetime(y, m, d, tzinfo=timezone.utc) を使用
• name_ja_locked = True
• organizer_type = ["media"] 固定（各書籍の出版社名は organizer フィールドに格納）
• BeautifulSoup 詳細解読: 詳細ページの巡回は Playwright new_page() を使わず、極めて軽量な requests + BeautifulSoup (_scrape_hanmoto_detail) を用いて行う。
• 書籍メタデータ解析要件:
  • raw_description: .book-kaisetsu-section (内容紹介), .book-toc-section (目次), .book-author-profiles-section (著者プロフィール) を抽出し、独自のセクションヘッダー（【内容紹介】など）付きで結合する。
  • performer: .book-authors-section から抽出し、著/編/訳/作者 等の接頭辞をストリップする。
  • price_amount: .book-price-section の中から「本体 XXXX 円」の数値を正規表現抽出し、数値（float型）として格納する。
  • image_url: 書籍表面のカバー画像を img.book-image から絶対URL化して抽出し、格納する。
• スケルトン・ローディング防止措置（2026-06-07 教訓）: hanmoto リストページは、クライアントサイドでプレースホルダー（Skeleton）カードを先にロードするため、wait_for_selector(".bd-booklist-item-book") は空のデータを誤検知して終了してしまう。必ず、より深い実コンテンツ上の要素である .bd-booklist-item-book [data-content-name="title"] などを監視対象とすること。

既知の問題

• NDL ↔ hanmoto 重複: 同一書籍が両ソースに登場する場合がある（既知の非バグ、少量の重複は許容）
• selector ドリフト: hanmoto のマークアップ変更で 0 件になった場合は selector を更新する