gungun88
ca102a3398
数据源 - LowEndTalk Offers RSS（含完整正文） - LowEndBox RSS（按 category + 正文规格密度过滤非优惠文章） - 跨源去重（厂商+价格+配置指纹；数据不足时拒绝合并） 抽取内核（确定性正则，无 LLM） - 规格/价格/折扣/活动性质/地点/CPU 型号 - 拍平 HTML 表格重建（按列序位置推断，解决裸容量无语义问题） - 库存判定：商家回帖表态 > 帖文关键词 > 用户提及（弱证据） - 语境校验：疑问句/否定句/非库存对象/促销资格四类误判防线 - 末页优先抓取回帖（实测商家表态集中在回帖流 75%-100% 位置） 工程化 - 包结构分工明确，配置支持环境变量（可绑自有域名） - 124 个 pytest 用例；BERO 十周年帖为黄金样本 - GitHub Actions 每 6 小时抓取 + 定时提交 + 可选 rsync 部署 - 两种部署方案（Actions+自有服务器 / 纯服务器 cron），均含 「记录数为 0 则拒绝发布」安全网 - legacy/ 保留重构前脚本，供回归比对（19 字段零回归差异） 零运行时依赖（仅 Python 标准库）；产物为纯静态文件。
41 lines
584 B
Plaintext
41 lines
584 B
Plaintext
# Python
|
|
__pycache__/
|
|
*.py[cod]
|
|
*$py.class
|
|
.Python
|
|
.venv/
|
|
venv/
|
|
env/
|
|
ENV/
|
|
|
|
# 测试与覆盖率
|
|
.pytest_cache/
|
|
.coverage
|
|
htmlcov/
|
|
.tox/
|
|
|
|
# 抓取缓存（实时快照，可重建；测试用的是 tests/fixtures/ 下的精简夹具）
|
|
data/feed_*.xml
|
|
data/feed.xml
|
|
data/replies/
|
|
|
|
# 环境中转文件
|
|
data/*.new.*
|
|
*.tmp
|
|
|
|
# 密钥与环境
|
|
.env
|
|
*.key
|
|
deploy_key
|
|
|
|
# 编辑器与系统
|
|
.vscode/
|
|
.idea/
|
|
*.swp
|
|
*.swo
|
|
.DS_Store
|
|
Thumbs.db
|
|
|
|
# 注意：site/ 与 data/deals.json **需要提交** ——
|
|
# GitHub Actions 会把更新结果提交回仓库，用于 Pages 发布与版本追溯。
|