技能介绍

解决复杂的空运运价表清洗难题

中集（CIMC）广州/深圳空运运价表的格式极其复杂，包含数十个航司 Sheet，且充斥着合并单元格、转运区、航班时刻表和备注等非数据干扰。人工将其清洗为标准的 24 列结构化数据不仅耗时，还极易因遗漏合并单元格继承值或错误填补缺失档位而导致运价计算事故。本技能旨在将这一繁琐的 ETL 过程自动化，通过严格的提取规则和防污染机制，确保每次输出数据的纯净度与准确性。

核心提取逻辑与防污染机制

技能在运行前确立了绝对的数据安全“铁律”：仅读取用户当前提交的 .xls 文件。它禁止查看、引用或复制任何历史脚本中的 price/data 数组，禁止从历史输出文件中读取数据，且严禁硬编码路径。对于无法解析的缺失值，坚持“有就是有，没有就是没有”，绝不使用历史数据进行填补。

在提取流程上，技能首先通过 find_header_row 定位包含「目的地」与「起运地」的表头。随后利用以下机制精准剔除无效行：

is_price_row 过滤航班时刻表与全空重量段。
is_note_row 跳过收运说明、仓储等备注行。
转运区数据过滤，防止非运价信息混入。

针对广州（17 个 Sheet）和深圳（10 个 Sheet）的不同配置，每个航司 Sheet 都有独立的布尔规则控制，例如 w45_fallback（45KG 缺失时的 100KG 兜底）、transit_strict（中转地强制三字码）以及 transit_merged（处理合并单元格的中转地继承）。此外，比重引擎 ratio_engine 负责处理复杂的动态比重逻辑，并修复了 1:1 区间结束比重与 >N 区间重叠的边界 Bug。

适用边界与维护注意

该技能高度依赖源文件的 .xls 格式（需通过 xlrd 读取），且广州数据源的 Sheet 结构被认为是“最可能变化”的部分。当运价表更新批次时，必须人工对照最新源文件，确认航司映射与 Sheet 规则是否需要调整。新批次运行需复制脚本模板，更新 DEFAULT_SOURCE_FILE 与 BASE_DATE，并在提取后严格验证输出数据。