ppd-extractor

name	ppd-extractor
description	PPD（Product Page Data）块提取器。从 ppd.html 中提取 Core/Buybox/Twister/Overview/Bullets/Images 六个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

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

• Key-Value 表格（品牌/材质/颜色/尺寸等）
• 主路径：#productOverview_feature_div
• 备选路径：#productFactsDesktopExpander
• 自行发现其他可能的路径

A5. Feature Bullets

• #feature-bullets 下的 <li> 列表
• 过滤掉过短的噪声项（< 15 字符）
• 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：

1. 结构诊断：描述该类目 PPD 的主要语义块及变体风险
2. 主备路径：每个字段至少有主 selector + 备选 selector + 兜底规则
3. 价格口径：明确当前价、原价、折扣、优惠金额的计算逻辑
4. 去重清洗：价格文本中的重复片段（如 $33.99 $ 33 . 99）、空值处理
5. 缺失字段：统一写 N/A，不得臆造
6. 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）：

1. Core 区域的价格节点（常见 selector：#corePrice_feature_div, .a-price .a-offscreen 等）
2. Buybox 区域的价格节点（#buybox, #newBuyBoxPrice, #price_inside_buybox 等）
3. Twister / 变体表中当前选中项的价格
4. 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

# 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

产出

• chunker/ppd_extract.py — PPD 提取器实现
• tests/test_ppd_extract.py — PPD 提取器测试