| name | ppd-extractor |
| description | PPD（Product Page Data）块提取器。从 ppd.html 中提取 Core/Buybox/Twister/Overview-Bullets（含 Voyager 双路径 fallback）/Images 等子阶段的结构化数据，输出 ppd_extracted.md。当 agent 需要提取 PPD 块时调度此技能。 |
| type | skill |
PPD 提取器
输入：ppd.html
输出：ppd_extracted.md
复杂度：复杂，6+ 个子阶段
⚠️ Amazon 产品页存在两套互斥的 DOM 结构，同一产品只会出现其中一套：
- 旧版：
#productOverview_feature_div（KV 表格）+ #feature-bullets（bullet 列表）
- Voyager 版：
#voyagerNorthstarATF 容器，内含 #topHighlight、#item_details、#productFactsDesktopExpander 等
提取器必须支持双路径 fallback，优先检测 Voyager 结构，不存在时回退旧版路径。
子阶段与目标字段
A1. Core
- Title
- Average stars
- Rating count
- Current price
- Original/List price
- Discount %
- Discount amount
- 自行发现其他可能的路径
A2. Buybox
- Merchant ID
- Availability
- Quantity options
- Ships from / Sold by
- Returns / Payment / Packaging（若存在）
- 自行发现其他可能的路径
A3. Style Options (Twister)
- Current selection
- 每个变体：Option name / price / discount / stock / prime status
- 输出为表格
- 自行发现其他可能的路径
A4. Product Overview / Features & Specs（双路径）
Amazon 产品页存在两套互斥的 DOM 结构，提取时必须先检测再提取：
路径 A — Voyager 版（检测 #voyagerNorthstarATF 存在时使用）：
#topHighlight：Top Highlight 区域，通常是 KV 对（材质/护理说明/产地/版型等），格式多变#productFactsDesktopExpander：Features & Specs 折叠面板，内容可能是 KV 表格、分点文本、或混合格式#item_details：Item Details 区域，包含品牌/型号/UPC/BSR 等详细属性- ⚠️ Voyager 版中
#productOverview_feature_div 和 #feature-bullets 不存在，不要尝试
路径 B — 旧版（Voyager 不存在时使用）：
#productOverview_feature_div：Key-Value 表格（品牌/材质/颜色/尺寸等）#feature-bullets：Feature Bullets 列表
检测逻辑：先查 #voyagerNorthstarATF，存在则走路径 A，否则走路径 B。
⚠️ Voyager 内容格式高度多变：有的产品 Top Highlight 是纯 KV 对，有的是分点文本；Features & Specs 可能是手风琴折叠（#voyagerAccordian_feature_div）内含多个子面板，每个子面板可能是表格或文本。提取时必须根据实际 DOM 结构灵活处理，不能用固定正则。
A5. Feature Bullets（仅旧版）
#feature-bullets 下的 <li> 列表- 过滤掉过短的噪声项（< 15 字符）
- ⚠️ Voyager 版产品没有此区域，Feature Bullets 内容已整合到 A4 的 Top Highlight / Features & Specs 中
- 自行发现其他可能的路径
A6. Image Assets
- 主图 + 缩略图 URL 列表
- 从
#altImages 或 #imageBlock 中提取
- 自行发现其他可能的路径
提取策略要求
参照 ppd_agent_prompt_zh.md 的完整规范：
- 结构诊断：描述该类目 PPD 的主要语义块及变体风险
- 主备路径：每个字段至少有主 selector + 备选 selector + 兜底规则
- 价格口径：明确当前价、原价、折扣、优惠金额的计算逻辑
- 去重清洗：价格文本中的重复片段（如
$33.99 $ 33 . 99）、空值处理
- 缺失字段：统一写
N/A，不得臆造
- 自行发现其他可能的路径
⚠️ 价格必填约束（Hard Rule）
Current price 不允许为 N/A，必须提取到真实的购买价格。
提取优先级（逐级 fallback）：
- Core 区域的价格节点（常见 selector：
#corePrice_feature_div, .a-price .a-offscreen 等）
- Buybox 区域的价格节点（
#buybox, #newBuyBoxPrice, #price_inside_buybox 等）
- Twister / 变体表中当前选中项的价格
- 自行探测页面中其他包含价格的区域
如果所有路径均未命中，才写 N/A 并在 manifest 中标记 price_missing: true 以便人工复查。
输出格式
旧版产品（无 Voyager）
# PPD Extracted
## Core
- Title: ...
- Average stars: ...
- Rating count: ...
- Current price: $xx.xx
- Original/List price: $xx.xx
- Discount: xx%
- Discount amount: $x.xx
## Buybox
- Merchant ID: ...
- Availability: ...
- Quantity options: 1, 2, 3, ...
- Ships from: ...
- Sold by: ...
## Style Options (Twister)
- Current selection: ...
| Option | Current Price | List Price | Discount | Prime | Status |
| --- | --- | --- | --- | --- | --- |
| ... | ... | ... | ... | ... | ... |
## Product Overview
| Field | Value |
| --- | --- |
| Brand | ... |
| Material | ... |
## Feature Bullets
- Bullet 1 text...
- Bullet 2 text...
## Image Assets
- https://...jpg
- https://...jpg
Voyager 版产品
# PPD Extracted
## Core
- Title: ...
- Average stars: ...
- Rating count: ...
- Current price: $xx.xx
- Original/List price: $xx.xx
- Discount: xx%
- Discount amount: $x.xx
## Buybox
- Merchant ID: ...
- Availability: ...
- Quantity options: 1, 2, 3, ...
- Ships from: ...
- Sold by: ...
## Style Options (Twister)
- Current selection: ...
| Option | Current Price | List Price | Discount | Prime | Status |
| --- | --- | --- | --- | --- | --- |
| ... | ... | ... | ... | ... | ... |
## Top Highlight
| Field | Value |
| --- | --- |
| Fabric type | ... |
| Care instructions | ... |
| Origin | ... |
| Fit type | ... |
## Features & Specs
<!-- 格式多变：可能是 KV 表格、分点文本、或混合。根据实际 DOM 结构输出 -->
| Field | Value |
| --- | --- |
| ... | ... |
## Item Details
| Field | Value |
| --- | --- |
| Brand Name | ... |
| Model Name | ... |
| Unit Count | ... |
| UPC | ... |
| Best Sellers Rank | ... |
| ASIN | ... |
## Image Assets
- https://...jpg
- https://...jpg
⚠️ Voyager 版的 Features & Specs 格式高度多变：有的产品是 KV 表格，有的是分点文本（带编号或 bullet），有的是混合格式。提取时必须根据实际 DOM 灵活处理，不能硬套固定格式。如果内容是分点文本，就用 bullet 列表输出；如果是表格，就用 Markdown 表格；如果是混合，就分段输出。
产出
chunker/ppd_extract.py — PPD 提取器实现tests/test_ppd_extract.py — PPD 提取器测试
