kawade-rss

name	kawade_rss
description	河出書房新社 RDF/RSS 1.0 scraper for Taiwan-related books and events (Publication Intel v3.1)

kawade_rss Scraper

機能説明

• 来源名: kawade_rss
• URL: https://www.kawade.co.jp/np/rss/index.rdf
• 資料類型: 河出書房新社の新刊書籍・著者イベント（RDF/RSS 1.0）

河出書房新社の公式 RDF フィードから新刊書籍情報とイベント告知を取得する。

技術規格

項目	詳細
プロトコル	HTTP GET / RDF/RSS 1.0
Namespace	rss: http://purl.org/rss/1.0/ / dc: http://purl.org/dc/elements/1.1/
Pagination	なし（全件フィード）
source_id 形式	kawade_{md5(link)[:12]}
発売日フィールド	dc:date（ISO 8601 形式）
カテゴリ分流	タイトルが 【イベント】 で始まる場合 ["books_media", "lecture"]、それ以外 ["books_media"]

RDF/RSS 1.0 パース注意

RDF/RSS 1.0 は <item> が <rdf:RDF> の直接子要素（<channel> 配下ではない）。 {http://purl.org/rss/1.0/}item で直接 root.findall() する。

items = root.findall("{http://purl.org/rss/1.0/}item")

フィードによっては名前空間が省略される場合があるため root.findall("item") でフォールバック。

来源分流説明

未来発売日を含む

フィードには未来の発売予定書籍も含まれる。start_date が未来日付の場合、 ウェブサイトの「近日開催」セクションに表示される（正常動作）。

ZERO_EVENT_OK 理由

台湾関連書籍の出版サイクルによって 0 件になる期間がある（nhk_rss と同性質）。 health_check.py の ZERO_EVENT_OK_SOURCES に登録済み。

NHK RSS との類似性

運用上 nhk_rss と同じ性質（散発的なマッチ、空振り期間あり）。

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。
• sync 規則: 書籍系 publication 分流は scraper/annotator.py::_PUBLICATION_SOURCES の白名單と双方向同期する。kawade_rss の書籍系扱いを変える時は source SKILL と annotator を同一変更で揃える。
• 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: 全外部テキストに .replace("\x00", "") を適用
• tzinfo=timezone.utc: datetime(y, m, d, tzinfo=timezone.utc) を使用
• name_ja_locked = True
• organizer = "河出書房新社" 固定（organizer_type = ["media"]）

既知の問題

• NDL ↔ kawade_rss 重複: NDL にも同一書籍が登録されている場合がある（許容）