Files
2026-11-02 22:54:14 +08:00

99 lines
2.3 KiB
Python

"""
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']