淘宝商品详情提取

为什么需要这个技能

淘宝商品详情页是典型的「能看不能取」场景：标题、价格、SKU、店铺名、规格属性散落在 DOM 各处，价格还分划线价与实际成交价。手工复制粘贴既慢又易错，而随意写脚本又会撞上弹窗遮挡、多 SKU 价格不一致、天猫与淘宝页面结构差异等问题。这个技能把商品页的信息抽取固化成一条可复用流程。

它如何工作

技能的边界与用户在浏览器里手动能看到的内容一致：只读取页面上已展示的数据，不绕过任何登录或访问控制。

• 前置条件：目标商品页已在浏览器打开，即 https://item.taobao.com/item.htm?id={itemId}，且用户已登录淘宝（页面头部能看到昵称）。
• 执行前检查：确认 browser-act 可用；若本会话未确认过登录态，先打开淘宝首页观察页头，未登录则提示用户完成登录。
• 数据抽取：导航到商品页后等待页面稳定，先关闭「开心收下」「关闭」之类的弹窗，再执行 eval "$(python scripts/extract-product.py '{itemId}') 提取字段。
• 输出结构：包括标题、当前展示价、划线原价、店铺名、去重后的图片列表、可见 SKU 选项、规格属性键值对，以及页面上近似的评价数文本（如 7000+）。
• 错误处理：若标题为空，说明页面可能没加载好，检查 URL 是否仍在商品页并重试导航。

适用边界与注意点

• 返回的价格是默认或第一个 SKU 的展示价，含秒杀、补贴、券后价等情形；要拿其他 SKU 的价格，需要逐个点击选项后重新提取。
• originalPrice 依赖 subPrice-- 这个类结构，而该结构在秒杀与普通折扣商品间并不一致，可能取不到。
• 店铺名在原始 DOM 里会与评分文字拼接在一起，脚本只取链接文本，但某些布局下仍可能混入评分。
• 图片经过 URL 去重并去掉 .webp 后缀，但商品主图与部分缩略图仍可能有重复。
• 批量抓取时建议写 bash 脚本串行遍历 itemId，每次导航间隔 2–3 秒，先拿 1–2 个商品试跑再全量执行，失败时按断点续跑而非从头开始；同一会话内无需重复检查登录。
• 技能带有经验记忆文件：执行前先读取，遇到反爬变化或页面改版时追加一行记录，避免重复踩坑。

适合与不适合的场景

适合：给定 itemId 的单商品信息补全、小批量商品资料归档、比价场景下的价格字段抓取。

不适合：未登录状态、需要绕过风控的高并发采集、或要求实时价格变动的场景。