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。
17 lines
644 B
Python
17 lines
644 B
Python
"""letdeals — LowEndTalk / LowEndBox VPS 优惠聚合工具。
|
||
|
||
模块划分（参考 hosting-deals-tracker 的工程结构）:
|
||
|
||
config 运行配置（路径、阈值、站点与域名）
|
||
http 带重试的 HTTP 抓取
|
||
textutil HTML 清洗、单位换算、表格重建
|
||
extract 字段抽取（规格/价格/折扣/活动性质/地点）
|
||
replies 回帖抓取与库存表态判定
|
||
sources 数据源（LET Offers RSS / LowEndBox RSS）
|
||
pipeline 编排：采集 → 抽取 → 记录
|
||
render 渲染：Markdown + 静态站
|
||
cli 命令行入口
|
||
"""
|
||
|
||
__version__ = "0.3.0"
|