商品数据清洗（Goods Data Cleaning）

本目录存放商品数据清洗相关的全部脚本与规则文件。清洗目标：把右侧 SDS 原产品库（origin_goods）按规则批量配置为左侧官网商品（goods），替代后台手动逐个点击。

转换规则调查（2026-08-27，基于生产环境只读数据）

数据来源：https://official.inkreach.cc/api 生产接口（JWT 只读拉取）： /origin-goods?page=1..3&pageSize=200（共 552 条）、/goods?page=1..2&pageSize=200（共 240 条）、 /tags、/categories、/countries。未做任何写操作。原始 JSON 快照存于 runs/survey-2026-08-27/（已加入 .gitignore，不入库）。

1. 右侧原产品（origin_goods）命名结构

右侧只有一个字符串 goodName，整体模式：

国家（物流备注）品名-SKU-工艺位置[-仓库名]
  ↑        ↑         ↑    ↑     ↑
  |        |         |    |     └─ 可选第4段：美西洛杉矶一仓 / 美中亚特兰大仓 等
  |        |         |    └─ 单面印花 / 双面印花 / 直喷双面 / 直喷单面 / 不打印 ...
  |        |         └─ SKU 编码（字母+数字，如 DG001 / C1717 / KRHM003）
  |        └─ 包邮 / 不包邮 / DHL包邮*运费结算订单时支付 / 不包邮光板 等变体
  └─ 美国/德国/韩国...（全角括号为主，少量半角混用）

统计（552 条）：

541 条匹配 国家（备注）其余 模式；11 条异常：
- 4 条自定义商品（Goods Origin ...，source=CUSTOM）
- 2 条缺国家前缀：（不包邮）230g水洗炒雪花T恤-双面印花 / （不包邮）180g纯棉T恤成人款-...
- 1 条用空格代替括号：法国 180g纯棉T恤-FRTM001-双面印花
- 2 条半角左括号混用：美国(不包邮）女士高弹中长款瑜伽运动裤-JSD004-...
- 2 条同上变体
「备注）之后」按 - 分段：387 条 = 3 段（品名-SKU-工艺）、154 条 = 4 段（品名-SKU-工艺-仓库）
物流备注出现的变体形态（示例）：包邮、不包邮、DHL包邮、DHL包邮*运费结算订单时支付、包邮*运费订单结算时支付、不包邮光板
国家前缀出现过的值：美国、德国、英国、意大利、西班牙、西班牙直发、韩国、日本、加拿大、墨西哥、巴西、波兰、澳大利亚

2. 左侧已配置商品（goods）现状 —— 人工配置的实际结果

240 条 goods 记录，覆盖 209 个不同 origin_good_id（343 个 origin 尚未配置）。

没有系统级拆分逻辑：前端 GoodsView.vue 提交的是完整原名，后端 goods.service.ts create/batchCreate 也原样入库。因此左侧名称与右端的差异（113/240 条被改过）全部是人工在编辑弹窗里改的，且存在多种风格并存。

改名风格分布（113 条改名的归类）：

风格	数量	示例
A. 全拆：去前缀去括号，品名+空格+SKU，丢弃工艺段	27	`韩国（包邮）200g纯棉T恤-KRTM001-单面印花` → `200g纯棉T恤 KRTM001`
B. 半改：仅把长备注缩成「X包邮」，其余原样保留	86	`德国（DHL包邮*运费结算订单时支付）230g水洗T恤-DETM002-单面印花` → `德国（DHL包邮）230g水洗T恤-DETM002-单面印花`
R0. 保持原名不动	127	多为后期配置（2026-06 后期 ~ 07），未加工

标签体系（生产库现有 3 组 7 个标签）与左侧使用情况：

分组	标签(id)	左侧使用次数
物流渠道	包邮(30) / 不包邮(31)	87 / 153 ← 基本每个商品都挂了物流标签
印刷位置	双面印(35) / 单面印(34)	14 / 14 ← 只有少数挂了
印刷工艺	烫画(32) / 直喷(33) / 不打印(42)	11 / 3 / 1

其他字段：goodPriority 几乎全部为 5；positionId 全部为空；国家字段与名称里的国家前缀一致率 238/240（仅 西班牙直发(...) 两条归入了「西班牙」）。

3. 从字符串解析出的隐含规则（草稿，待确认）

一条原产品字符串可以机械解析出以下信息（541/552 可完全机器解析）：

解析项	来源	对应目标字段
国家	第一个 `（` 之前文本（需处理：空格分隔、半角括号、「西班牙直发→西班牙」映射）	`countryId`
物流渠道	括号内含「包邮」与否 → 包邮 / 不包邮	tag: 物流渠道
工艺/印刷位置	最后一段的关键词：单面印花→单面印、双面印花→双面印、直喷→直喷、烫画→烫画、光板/不打印→不打印	tags: 印刷位置 + 印刷工艺
展示名	目标形态（用户口径）：`品名 SKU`（最后一个 `-` 连接改为空格连接，丢弃工艺/仓库段）	`goodName`

4. 待确认问题（规则定稿前必须回答）

展示名采用哪种？A 全拆（200g纯棉T恤 KRTM001，推荐—— majority 且官网展示干净）还是 B 保留国家括号？
同一基础商品的「单面印花」「双面印花」是拆成两个 goods（现状），还是合并为一个 good 并用标签区分？（注意 A 全拆后两者 goodName 完全相同，如 ITTM001 已出现重名两条）
历史 R0 的 127 条保持原名的记录是否要统一重命名？
未配置的 343 个 origin 是本次要全部自动配置的目标吗？（其中可能有不应上架的商品）
仓库名后缀（第 4 段）只做清洗忽略即可，还是需要保留到某个字段？
国家中文名 → countries 表的映射以 countryName 精确匹配为准？缺失国家（如法国 FRTM001 对应的国家若不存在）如何处理？

执行流水线

[生产库]
   │ ① 备份（pg_dump 全量，安全网）
   ▼
② apps/api/scripts/export-data.mjs 导出 JSON（现有脚本）
   ▼
③ sync-transform.mjs 转换脚本 + sync-rules.config.mjs 规则文件（本目录，待创建）
      读取导出 JSON → 按规则加工 → 输出待导入 JSON + 变更摘要报告（人工检查点）
   ▼
④ apps/api/scripts/import-data.mjs 导入生产库（现有脚本）
   ▼
⑤ 验证：行数对比 / 抽查商品配置 / 官网公开 API 抽查

原则：三步式独立执行，每步可检查、可回滚；规则只改 sync-rules.config.mjs，不改代码；导入前必须有全量备份；转换脚本为纯函数式（JSON in → JSON out），不直接连接数据库。

目录内容规划

文件	状态	说明
`sync-rules.config.mjs`	待创建	同步规则文件（品类映射 / 国家分配 / 标签分配 / 优先级策略），规则未定，先占位
`sync-transform.mjs`	待创建	数据转换脚本
`runs/`	待创建	每次执行的导出、转换产物与变更摘要报告（按日期归档）；已含 `survey-2026-08-27/` 调查快照（gitignore）

详细实施计划见 plans/feature/goods-data-cleaning-feature.md。

7.1 KiB Raw Blame History Unescape Escape