""" app/core/extractors/base.py - 提取器抽象基类 定义内容提取的标准接口,支持策略模式扩展不同的提取算法。 """ from abc import ABC, abstractmethod from typing import Any class BaseExtractor(ABC): """ 内容提取器抽象基类 定义从页面元素中提取内容的标准接口。 不同的提取策略(深度提取、简单提取、API提取等) 可以通过继承此类来实现。 """ # ============ 抽象方法(子类必须实现)============ @abstractmethod def extract_text(self, element) -> str: """ 从元素中提取纯文本 Args: element: 页面元素对象 Returns: 提取的文本内容 """ pass @abstractmethod def get_anchor(self, element) -> str: """ 获取元素的唯一标识(锚点) 用于在页面变化时追踪同一个元素。 Args: element: 页面元素对象 Returns: 锚点字符串,用于唯一标识该元素 """ pass @abstractmethod def find_content_node(self, element) -> Any: """ 定位内容子节点 从容器元素中找到实际包含内容的子节点, 避免读取到按钮、头像等无关元素。 Args: element: 父元素对象 Returns: 内容子节点,如果未找到则返回原元素 """ pass # ============ 元数据接口(子类可选覆盖)============ @classmethod def get_id(cls) -> str: """ 获取提取器唯一标识符 Returns: 提取器 ID(默认使用类名转小写) """ return cls.__name__.lower() @classmethod def get_name(cls) -> str: """ 获取提取器显示名称 Returns: 用于 UI 展示的名称 """ return cls.__name__ @classmethod def get_description(cls) -> str: """ 获取提取器描述信息 Returns: 算法描述(用于帮助用户选择) """ return "未提供描述" __all__ = ['BaseExtractor']