← نقشه مهارت‌های روتین‌های ابری، دیده‌بانی وب و هشدارهای تجاری در تیشتر

MODULE T2 / استخراج فیلدهای ساختاریافته از وب‌سایت‌های پیچیده با هوش مصنوعی

روتین‌های ابری، دیده‌بانی وب و هشدارهای تجاری در تیشتر MODULE T2 DATA EXTRACTION & DELIVERY ⏱ زمان مطالعه: ۸ دقیقه

استخراج فیلدهای ساختاریافته از وب‌سایت‌های پیچیده با هوش مصنوعی

چکیده اجرایی: نحوه بهره‌گیری از توانایی مدل‌های سبک در تیشتر برای استخراج فیلدهای مشخص (نام کالا، قیمت ریالی، تخفیف، وضعیت انبار) از صفحات پیچیده HTML بدون نوشتن سلکتورهای شکننده CSS.

۰۱ // کالبدشکافی اصطکاک و سناریوی بازار (Failure Mode)

شکستن سلکتورهای سنتی با کوچک‌ترین آپدیت سایت (CSS Fragility)

اگر اسکریپت مانیتورینگ با سلکتورهای div > span ساخته شود، با یک بازطراحی کوچک سایت رقیب اسکریپت از کار می‌افتد.

نشانه‌های بالینی در سازمان‌های سنتی:

خطای Null Element Reference در اسکریپت‌ها
استخراج اشتباه محتوای بنرهای تبلیغاتی به جای قیمت
هزینه نگهداری بالای ربات‌ها

۰۲ // دیاگرام معماری اتصال داده (Architecture Flow)

STANDARD BLUEPRINT // MERMAID SVG

flowchart TD
    ComplexHTML["کد HTML نامنظم صفحه وب"] --> SemanticParser["موتور پالایش المنت‌های معنادار تیشتر"]
    SemanticParser --> LLMExtract["استخراج فیلدها با مدل سبک هوش مصنوعی"]
    LLMExtract --> StructuredJSON["خروجی JSON کاملاً ساختاریافته و تایپ‌شده"]
    StructuredJSON --> DeltaCheck["ارسال به ماژول مقایسه دلتا"]

flowchart TD
    ComplexHTML["کد HTML نامنظم صفحه وب"] --> SemanticParser["موتور پالایش المنت‌های معنادار تیشتر"]
    SemanticParser --> LLMExtract["استخراج فیلدها با مدل سبک هوش مصنوعی"]
    LLMExtract --> StructuredJSON["خروجی JSON کاملاً ساختاریافته و تایپ‌شده"]
    StructuredJSON --> DeltaCheck["ارسال به ماژول مقایسه دلتا"]

۰۳ // پروتکل اجرایی و استانداردهای میدانی

گام ۱

تعریف طرحواره (Schema) استخراج داده در تیشتر

تعیین فیلدهای مورد نظر و نوع داده‌های متنی یا عددی.

اسکیمای استخراج هوشمند محصول در تیشتر

JSON

{
  "extraction_schema": {
    "product_title": "string",
    "current_price_toman": "number",
    "is_available": "boolean",
    "seller_name": "string"
  },
  "ai_parser": "gemini-3.5-flash-lite",
  "clean_formatting": true
}

۰۴ // هشدارهای امنیتی و پروداکشن (Production Guardrails)

⚠️ نکات حیاتی اجرای پروداکشن در سازمان‌های ایرانی:

همیشه فیلدهای عددی را ملزم به پاکسازی ویرگول و کاراکترهای ریال کنید تا محاسبات بعدی دچار خطا نشود.
در صورت تغییر کلی ساختار صفحه، تیشتر وضعیت Fallback را فعال کرده و هشدار ساختاری ارسال می‌کند.

PRONEE_SANDBOX // LAB-TISHTAR-03

+100 XP READY

⚡ سناریوی چالش میدانی: آزمایشگاه سنجش: پیکربندی استراتژی دلتا و استخراج داده

کانفیگ JSON شامل delta_strategy و cache_ttl و فیلدهای مقایسه را ثبت فرمایید.

PAYLOAD_BUFFER // JSON & SQL کلید میانبر: Cmd/Ctrl + Enter

زمان پاسخ: ۰ میلی‌ثانیه

[SYSTEM] Sandboxed evaluation engine initialized.

[TARGET] Ready for: DELTA_MEMORY_CONFIG