a27e3b8e43
Optimized the root .gitignore to exclude virtual environments, node modules, and temp folders to ensure clean and lightweight version tracking. Co-authored-by: Cursor <cursoragent@cursor.com>
1.2 KiB
1.2 KiB
网页数据生成规则
用于从网页内容识别数据结构并生成 JSON 数据表。
不负责主题和文档正文生成。
识别步骤
- 识别数据密集页面（列表/详情/表单/报表）。
- 提取页面内容：优先
get_page_markdown，批量场景用 Firecrawlbatch_scrape。 - 抽取字段与记录模式，合并跨页面同类实体。
- 生成数据表并校验字段一致性。
输出规范（强约束）
输出目录：src/database/
文件约束：
- 文件名英文（如
products.json） tableName中文（如"产品表"）- JSON 结构必须为对象，包含
tableName与records
{
"tableName": "表名（中文）",
"records": [
{ "id": 1, "字段1": "值1" }
]
}
字段归一规则
- 字段名优先中文并贴近页面语义。
- 同义字段统一命名，避免并存。
- 同字段跨记录类型保持一致。
id必须唯一，同表保持类型一致。
记录建议
- 每表 10-30 条记录。
- 覆盖常规值、边界值、异常值（如空值、超长值）。
质量检查
- JSON 可解析且结构完整
- 字段与页面语义一致
- 数据量与场景合理，无明显伪造痕迹