电商比价 WeiyuZheng-CN/dsh-ecom-price

dsh-ecom-price · 电商比价（登录态浏览器 + CDP）

给 DeepSeek Harness 用的一套东西：把一张采购清单批量核成带真实价格、带可点链接的比价表。

思路很朴素：不爬接口、不绕验证码，而是操控你自己已经登录的浏览器。所以它读到的是真人可见的价格和链接，也不接触你的账号密码。

清单 → items.json → 分批抓取 → 候选链接 → ★SKU 核价 → 比价表
(build_items) (scrape-tb/jd) (audit + ladder) (make_report)
↕
已登录的浏览器 (CDP)

最隐蔽的一类错：价格 ≠ 规格价格

抓不到价只是小问题；抓到了一个不属于你要的规格的价才是大问题。

实例：一条「缓干剂 250ml」被记成 3.8 元——而 3.8 是同一条链接里 60ml 调和液的价。
顺着这条线复查一份 38 行墙绘清单，31 个必需项里有 12 项单价对应的是更小或别的规格：

| 清单写的 | 表里的价 | 实际对应 |
| 羊毛板刷 3 寸 | 15/把 | 「1/2 寸 宽15mm」 |
| 9 寸滚筒 + 托盘 | 18 | 「3 寸羊毛刷 1 把」 |
| 4 寸小滚筒 | 5 | 「2 寸手柄一只」（只有手柄） |
| 一次性碗 500ml 50 个 | 4.90 | 「普通薄款 20 个」 |
| 马利丙烯 500ml | 17.70 | 该店打码：100ml=4.XX / 300ml=1X / 500ml=2X |

总价因此从 663.84 修正到 927.34（+263.50）。

原因有三层，逐个叠加：

1. 列表页价格被脱敏成字面问号 4??（DOM 里就是 0x3f，截图也是 ??，OCR 救不了）
2. 详情页首屏价是最低 SKU 的价，常带一个「起」字——同链接换个规格能差 10 倍
3. 部分店铺把价格整体打码成 2?、4.??，登录与否都一样，页面数据里也是打码的

所以真实价格只能来自页面内嵌的 SKU 表：

const res = window.__ICE_APP_CONTEXT__.loaderData.home.data.res;
res.skuBase.props // 属性组（颜色 / 规格 …）
res.skuBase.skus // skuId + propPath
res.skuCore.sku2info // skuId -> price.priceText / quantityText

audit.mjs 把这张表批量导出；ladder.py 再把它折成「100ml=4.XX / 300ml=1X / 500ml=2X」这样的阶梯，让清单里的单价一眼对上（或对不上）某一档。

两种用法

用法一：作为技能（已验证，推荐）

1. 放进 DSH 的 skills 目录 Copy-Item skills\ecom-price-compare "$env:USERPROFILE\.dsh\skills\" -Recurse

2. 开一个带调试端口的浏览器（独立 profile，Chromium 136+ 拒绝默认目录） powershell -File "$env:USERPROFILE\.dsh\skills\ecom-price-compare\scripts\launch-edge-cdp.ps1" 在这个窗口里登录淘宝，之后长期有效

3. 清单 → items.json
python "$env:USERPROFILE\.dsh\skills\ecom-price-compare\scripts\build_items.py" --xlsx 采购清单.xlsx --out items.json

4. 分批抓候选（列表价不可信，只用来看标题/店铺/销量）
node "$env:USERPROFILE\.dsh\skills\ecom-price-compare\scripts\scrape-tb.mjs" --items items-tb.json --out tb.json --batch 8

5. ★ 定稿前 SKU 核价：导出规格×价格全表，再和清单并排摊开
node "$env:USERPROFILE\.dsh\skills\ecom-price-compare\scripts\audit.mjs" urls.json aud.json
python "$env:USERPROFILE\.dsh\skills\ecom-price-compare\scripts\ladder.py" --aud aud.json --xlsx 采购清单.xlsx --out ladder.md

6. 出表
python "$env:USERPROFILE\.dsh\skills\ecom-price-compare\scripts\make_report.py" --items items.json --results tb.json --marks 采购清单.xlsx --out 比价表.xlsx

ladder.md 长这样，问题一眼可见：

一次性塑料碗｜500ml，50只装｜数量 1｜单价 4.9
- 页面 6 个 SKU，打码 0 个，可读价区间 4.9–30.9
- 20个: 4.9
- 50个: 7.9 ← 清单要的是这档
- 100个: 12.9、16.9

它还顺手标出表内自相矛盾（「数量 × 单价 ≠ 小计」）。之后在 DSH 里说一句「用 ecom-price-compare 核这张清单」即可。

用法二：作为插件

dsh plugin --profile desktop add "file:$PWD/plugin"
重启 dsh 后可用 5 个工具

| 工具 | 作用 |
| shop_browser_status | 调试端口是否可用 + 淘宝/京东登录态 |
| shop_search | 搜淘宝，返回候选（标题/店铺/销量/链接） |
| shop_price | 打开商品页读首屏价，并标注「这是最低规格价」/「这家店打码了」 |
| shop_sku_price | 按规格取价：返回规格 × 价格全表，spec 关键词筛选（如 "500ml 钛白"） |
| shop_open | 在浏览器里打开 URL，摆给用户看 |

⚠️ 插件的抓取模块已实测（真实浏览器跑通搜索、首屏价、SKU 全表），工具逻辑也在 defineTool 桩下跑通（5 个工具注册、schema/render/execute 全过）；但在真实宿主里加载未验证——编写时无法重启宿主。跑不通就回到用法一，那条路径完整验证过。

仓库结构

plugin/ DSH 插件包 ├── package.json dsh.bundle.patch → cordis.patch.yml ├── cordis.patch.yml insert: ecom-price └── lib/{index.js,cdp.mjs} 5 个工具 + CDP 客户端 + 三个页面表达式（含 SKU 全表）

skills/ecom-price-compare/ DSH skill
├── SKILL.md 铁律 0：价格必须落到「规格 → SKU」 ├── references/platform-playbook.md 12 章实测踩坑记录（含真实错例库） └── scripts/ ├── audit.mjs ★ SKU 级核价：导出规格×价格全表 ├── ladder.py ★ 按规格折成价格阶梯 + 标出表内矛盾 ├── sku.mjs 点选式取价（京东 / 要眼见为实） ├── probe.mjs + probe-page.js 单页 DOM 探测（改版时先看它） ├── cdp.mjs 驱动：list/open/eval/text/click/cookies/shot/taobao/item ├── launch-edge-cdp.ps1 独立 profile 启动 Edge 并开调试端口 ├── extract-taobao.js 淘宝列表抽取（含卡片全文） ├── scrape-tb.mjs 淘宝批量：搜索 → 选品 → 进详情取真价 ├── jd-extract.js 京东列表抽取（sku 藏在客服链接的 pid 参数里） ├── scrape-jd.mjs 京东批量（列表页直接取价） ├── build_items.py xlsx 清单 → items.json └── make_report.py 结果合并 → 带超链接的 xlsx

零 npm 依赖：CDP 走 Node ≥ 22 自带的 WebSocket；报表只用 openpyxl。

踩坑要点（详见 references/platform-playbook.md）

| 现象 | 真相 |
| 换网络后京东返回空壳、淘宝跳登录页 | 登录态被冲掉了（unb / pin cookie 消失），不是反爬限流。先查 cookie 再调频率 |
| 长跑一段时间后详情页又跳登录 | 同上；访问 H5 详情页（main.m.taobao.com）会顺带清掉 PC 登录态，抓价流程里别碰它 |
| 淘宝列表价显示 4?? | 平台脱敏，字面问号。必须进详情页 |
| 详情页价格是 2? / 4.?? | 店铺级 fuzzyPrice 打码，位数即量级（2? = 20–29），只能给区间 |
| 详情页取不到价格 | 数字所在 div 没有 class，锚点只能是 ￥ 符号元素；数字还会被 span 拆成 ￥4 . 08，正则前先去空白 |
| 天猫详情页报「验证码拦截」 | 等几分钟；或改用 item.taobao.com/item.htm?id=<同一 id> 重开（入口不同，实测能过）。不要尝试自动化绕过 |
| 京东详情页 403（pc-frequent-pro…reason=403） | PC 频控。被拦时用搜索卡片名核规格——卡片名通常已带「1KG」「10片装」「*6卷/筒」 |
| 京东卡片找不到商品链接 | 新搜索页卡片无 href，sku 藏在 chat.jd.com...&pid= 参数里，且参数双重编码 |
| 抓到的不是想买的货 | 关键词命中 ≠ 品类对：搜"软尺"可能返回"钢卷尺"。每项要配 must 必含词，并人工看链接 |
| 单价看着很低 | 多半是最低规格价（笔刷单支、路锥单个、颜料 1L ≠ 1kg）。用 audit.mjs + ladder.py 对价档 |
| 总价差几倍 | 单位/整包陷阱：「6卷/筒」「50个装」是整包价，数量列不能按卷/个填 |

环境

- Windows（脚本用 PowerShell 启动浏览器；CDP 部分本身跨平台）
- Edge 或 Chrome，版本 ≥ 136（调试端口的限制就来自这个版本）
- Node.js ≥ 22（内置 WebSocket，不用装包）
- Python + openpyxl（只用于出表）

边界

本仓库只做只读的事：搜商品、读价格、打开页面。没有下单、没有支付、没有改价，也不存储任何账号信息或清单数据。

开着调试端口的浏览器意味着本机任何进程都能驱动它——用完请关掉窗口。浏览器 profile（edge-profile/，含登录 cookie）已被 .gitignore 排除，不要提交。

License

MIT