aplus-extractor

name	aplus-extractor
description	A+ 品牌内容块提取器。从 aplus.html 中提取 Comparison Table / Image Assets / Brand Story 三个子阶段的结构化数据，输出 aplus_extracted.md。当 agent 需要提取 A+ 块时调度此技能。
type	skill

A+ 提取器

输入：aplus.html 输出：aplus_extracted.md 复杂度：复杂，3 个子阶段

子阶段

B1. Comparison Table（对比表）

• #aplus 内的 <table> 或对比网格
• 输出为 Markdown 表格
• 可能不存在（标记为可选）
• 自行发现其他可能的路径（有些并不是 <table> 标签，而是 <div> 标签）

B2. Image Assets（图片资源）

• 提取所有 <img> 的 src 和 alt
• 输出为 | alt | src | 表格

B3. Brand Story / 文案内容（可选）

• A+ 区域的文字段落
• 如果结构不稳定，仅提取存在的文本段，不强行解析

提取策略要求

1. A+ 内容变体极大（不同品牌的 A+ 模板差异很大）
2. 优先提取对比表和图片资源（这两者结构相对稳定）
3. 文案内容如果结构差异大，保留为清洗后的纯文本块即可
4. 如果某个子阶段在样本中不存在，跳过不报错

产出

• chunker/aplus_extract.py — A+ 提取器实现
• tests/test_aplus_extract.py — A+ 提取器测试