inkreach-official-website/data-cleaning/README.md

# 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](../apps/admin/src/views/goods/GoodsView.vue) 提交的是完整原名，
后端 [goods.service.ts](../apps/api/src/goods/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. 人工操作流程（脚本要模拟的完整动作）

后台右侧树有「仅未配置」筛选按钮，人工实际是**两步操作**：

**第一步：配置（右→左创建）**
1. 右侧找到未配置的原产品，点击「配置」
2. 弹窗显示：原产品名（**纯文本，不可编辑**，[L1716](../apps/admin/src/views/goods/GoodsView.vue#L1716)）、预览图片（可改但默认回填）
3. 人工选择三项：**国家、分类、标签**（名称在此步不能改）
4. 确认提交 → `POST /goods`，goodName 直接传原产品完整原名（[L403](../apps/admin/src/views/goods/GoodsView.vue#L403)）

**第二步：编辑改名（左侧已有记录上改）**
1. 左侧找到刚配置的商品，点击「编辑」
2. 编辑弹窗有 `el-input` 绑定 goodName（[L1821](../apps/admin/src/views/goods/GoodsView.vue#L1821)），这里才能改名
3. 保存 → `PATCH /goods/:id`（[L690](../apps/admin/src/views/goods/GoodsView.vue#L690)）

因此脚本的**实际操作序列**是：先 `POST /goods`（用原名创建）→ 再 `PATCH /goods/:id`（改名）

弹窗字段与 API 参数对应：

| 步骤 | 弹窗字段 | API 参数 | 说明 |
|------|----------|----------|------|
| 配置 | 国家 | `countryId` | 必填 |
| 配置 | 分类 | `categoryId` | 必填 |
| 配置 | 标签 | `tagIds[]` | 写入 good_tags 中间表 |
| 配置 | 预览图片 | `goodImage` | 默认回填 origin_good.goodImage |
| 配置 | 名称 | `goodName` | **不可编辑**，自动传原名 |
| 编辑 | 名称 | `goodName` | **这一步才能改**，调 PATCH |
| 编辑 | 其余字段 | 同上 | 也可在编辑时调整 |

### 4. 定稿转换规则

> 以下规则已确认，脚本按此执行。

#### 4.1 整体策略

- **方案：API 驱动**（不导出/导入 DB，避免 BigInt 自增序列和外键约束问题）
- 脚本调用 `POST /goods` 逐条配置，走现有业务逻辑（校验、事务、标签关联全部由后端处理）
- 幂等：已存在的 (originGoodId, countryId) 组合跳过
- scope：仅处理**未配置**的原产品（configuredCount === 0），已配置的不动

#### 4.2 名称解析与改名规则

原产品名格式：`国家（物流备注）品名-SKU-工艺位置[-仓库名]`

**改名规则**：保留到 `-` 分隔的第 2 段，用空格连接，丢弃后续段（工艺、仓库）。

```
输入: 美国（包邮）180g纯棉T恤成人款-DG001-单面印花
解析: 品名="180g纯棉T恤成人款" SKU="DG001" 工艺="单面印花"（丢弃）
输出: goodName = "180g纯棉T恤成人款 DG001"
```

- 仓库名后缀（第 4 段，如「美西洛杉矶一仓」）直接丢弃
- 异常名称（缺国家前缀、半角括号等）单独输出到报告，不自动处理

#### 4.3 国家

- 从名称第一个 `（` 之前提取国家文本
- 通过 `GET /countries` 拿到 countries 表，按 `countryName` 精确匹配 → `countryId`
- 特殊映射：「西班牙直发」→ 匹配「西班牙」
- 匹配不到的 → 输出到报告，不自动处理

#### 4.4 分类（品类）

- 右侧树已经按 categories 树分组（通过 `origin_goods.sds_category_id` ↔ `categories.sds_category_id` 桥接）
- 同一原产品的分类就是它在右侧树中所挂的分类节点，直接取该节点的 `categoryId`
- 未分类的（sdsCategoryId 无匹配）→ 输出到报告

#### 4.5 标签（3 组，从名称解析）

标签体系（3 组 7 个）：

| 分组 | 标签 | id | 解析规则 |
|------|------|----|----------|
| 物流渠道 | 包邮 / 不包邮 | 30 / 31 | 括号内含「包邮」→ 包邮(30)，否则 → 不包邮(31) |
| 印刷位置 | 单面印 / 双面印 | 34 / 35 | 工艺段含「单面」→ 单面印(34)，含「双面」→ 双面印(35) |
| 印刷工艺 | 烫画 / 直喷 / 不打印 | 32 / 33 / 42 | 工艺段含「直喷」→ 直喷(33)；含「不打印」或「光板」→ 不打印(42)；其余默认 → 烫画(32) |

工艺段 = `-` 分段的最后一段（去仓库段后），如 `单面印花`、`直喷双面`、`不打印`、`烫画`。

解析示例：

```
美国（不包邮）180g纯棉T恤成人款-DG001-单面印花
  → 物流: 不包邮(31), 印刷位置: 单面印(34), 印刷工艺: 烫画(32)

美国（不包邮）207G重磅纯棉T恤-C1717-直喷双面
  → 物流: 不包邮(31), 印刷位置: 双面印(35), 印刷工艺: 直喷(33)

美国（不包邮光板）180g纯棉T恤成人款-DG001-不打印
  → 物流: 不包邮(31), 印刷位置: 跳过(工艺段=不打印无法判断单双面), 印刷工艺: 不打印(42)
```

#### 4.6 其他字段

- `goodImage`：直接用 origin_good.goodImage，不改
- `goodPriority`：默认 5（与现有 236/240 条一致）
- `positionId`：不填（与现有 240/240 条一致）

---

## 执行流水线（API 驱动方案）

```
① 拉取只读数据
   调 GET /origin-goods/tree（含 configuredCount）、/tags、/categories、/countries
   存到 runs/<date>/snapshot/

② 本地解析脚本 sync-plan.mjs
   读取快照 → 筛选未配置 → 逐条解析名称 → 生成待创建指令列表
   输出: runs/<date>/plan.json（每条包含 originGoodId/countryId/categoryId/goodName/tagIds/goodImage）
   + runs/<date>/plan-report.md（人工检查点：共 N 条待创建、X 条异常需人工确认）

③ 人工审查 plan.json 和 plan-report.md

④ 执行脚本 sync-apply.mjs
   读取 plan.json → 逐条 POST /goods（带 JWT，自动刷新 token）
   每条打印 +/skip/error；失败自动重试 3 次；生成 apply-report.md

⑤ 验证：调 /origin-goods/tree 确认未配置数归零，调 /goods 抽查新记录
```

原则：
- 不导出/导入数据库，全部通过 API 操作
- ② 和 ④ 分离：先生成计划供人工审查，确认后再执行
- 每步产物存 runs/（已 gitignore）
- token 30 分钟过期，脚本内自动用 /auth/login 刷新

## 目录内容规划

| 文件 | 状态 | 说明 |
|------|------|------|
| `sync-rules.config.mjs` | 待创建 | 国家映射/异常处理等配置项（解析规则已定稿在上文） |
| `sync-plan.mjs` | 待创建 | 拉取 + 解析 + 生成 plan.json |
| `sync-apply.mjs` | 待创建 | 读取 plan.json + 逐条 POST /goods |
| `runs/` | 已创建 | 调查快照 survey-2026-08-27/ 已存在；后续每次运行产物按日期归档 |

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