customer-reviews-extractor

name	customer-reviews-extractor
description	Customer Reviews 块提取器。从 customer_reviews.html 中提取评分摘要和逐条评论，输出 customer_reviews_extracted.md。此块 DOM 结构高度一致，强制复制模版。当 agent 需要提取评论块时调度此技能。
type	skill

Customer Reviews 提取器

输入：customer_reviews.html 输出：customer_reviews_extracted.md 复杂度：简单，无子阶段

❗ 参考模版（Hard Rule）

此块在所有商品间 DOM 结构高度一致，提供已验证的参考实现。

参考模版位于本 skill 同级目录：customer_reviews_extract.py

使用方式

1. 先读取本目录下的 customer_reviews_extract.py，完整理解其代码结构、Selector 选择、清洗逻辑
2. 以此为参考编写 chunker/customer_reviews_extract.py，保持相同的架构和 Selector 策略
3. 必须严格通过 TDD 测试——不是无脑复制，而是参考其结构后编写，确保所有测试用例通过
4. 测试失败时可微调实现，但不得重写核心 Selector 和提取逻辑
5. 严禁使用 [class*='review'] 等通配符 selector，必须使用精确的 data-hook 属性选择器

必须使用的精确 Selector（来自模版，不得替换）

字段	Selector	说明
评论列表容器	li.review.aok-relative	每条评论的外层容器
评论标题	[data-hook="review-title"]	内层取最后一个非空 span
评分	[data-hook="review-star-rating"] 或 [data-hook="cmps-review-star-rating"]	星级文本
作者	.a-profile-name	用户名
日期	[data-hook="review-date"]	含国家和日期
已认证购买	[data-hook="avp-badge"]	存在即 Yes
有用投票	[data-hook="helpful-vote-statement"]	有用计数
评论正文	[data-hook="review-collapsed"] → [data-hook="review-body"]	fallback 顺序
总体评分	[data-hook="rating-out-of-text"]	"x.x out of 5"
总评分数	[data-hook="total-review-count"]	"N global ratings"
评分分布	#histogramTable a[aria-label]	aria-label 属性值

重点是清洗 DOM 噪声（<br>, <span> 嵌套, Read more 链接等），然后直接提取。

目标字段

• Overall rating
• Total ratings count
• Rating distribution（5→1 星各占百分比）
• Review items：逐条提取 title / rating / author / date / verified / helpful count / body

输出格式

# Customer Reviews

## Summary

- Overall rating: x.x out of 5
- Total ratings: N global ratings
- Rating distribution:
  - 73 percent of reviews have 5 stars
  - ...

## Review Items (N)

### 1. Review Title
- Rating: x.x out of 5 stars
- Author: ...
- Date: ...
- Verified purchase: Yes/No
- Helpful: N people found this helpful

Review body text...

产出

• chunker/customer_reviews_extract.py — 评论提取器（从模版复制）
• tests/test_customer_reviews_extract.py — 评论提取器测试