HTML DOM 结构 JSON 解析器

问题

HTML 页面往往把业务信息藏在嵌套标签、样式类和无意义占位元素里。工程师如果直接从原始 DOM 取数，需要反复处理 table、li、div.item、表单控件和重复容器，语义字段还要从文本里推断，维护成本很高。

能力与流程

parse 技能把 HTML 字符串或本地 HTML 文件路径作为输入，用大模型结合解析工具完成结构化提取：

• 表格：识别 table，提取表头和行数据。
• 列表：识别重复容器如 div.item、li，抽取关键字段。
• 表单：读取输入框、下拉框及当前值。
• 语义映射：将 订单号：123 这类上下文文本映射为 order_id 对应 123 的键值对。
• 清洗输出：去掉冗余标签和空白字符，生成可供后续存储或分析使用的 JSON。

边界

它适合结构相对明确、字段可被语义命名的页面。遇到极其复杂的页面，可先用 BeautifulSoup 做初步清洗，再交给该技能做语义提取。生成结果仍需核对字段命名和嵌套层级，确保符合下游系统约定。