# 2026-08-19 工作日志

## 创建 SQLite 商品数据库
- 在 `db/` 目录下创建 `spu_sku.db`，含 SPU、SKU 两张表。
- SPU 表 25 个字段：id(主键,自增)、code、material、component_1~3、component_proportion_1~3、pattern、details、collar_style、style、care_Instructions、fabric、target_audience、season、is_transparent、layout、weaving_method、printing_type、fabric_texture_1、fabric_weight_1、fabric_weight_unit_1、lining_texture。
- SKU 表 9 个字段：id(主键,自增)、spu_id(外键→SPU.id，含索引 idx_sku_spu_id)、code、color、size、price(REAL)、stock(INTEGER 默认0)、image_url、status(默认 'active')。
- 建库脚本保留在 `db/create_db.py`，可修改字段后重跑重建。
- SKU 字段为按电商惯例补充设计，用户未指定，待确认是否调整。

## 更新 SKU 表结构（用户指定字段）
- 用户提供完整 SKU 字段定义，重建 SKU 表，共 19 个字段：
  id(主键,自增)、spu_id(外键→SPU.id)、code、price(REAL)、color、size、size_group、size_type、shoulder_width、bust、clothing_length、sleeve_length、longest_side、secondary_long_side、shortest_side、img_url_2~img_url_5。
- 尺寸类字段(shoulder_width/bust/clothing_length 等)用 TEXT 存储（兼容区间值/单位），如需要数值计算可改 REAL。
- 注意：删除 db 文件会被沙箱安全机制拦截，create_db.py 已改为 DROP TABLE 方式重建，不再删除文件。

## 从 PG (inkreach) 同步美国商品数据
- PG 连接：localhost:5432, user=postgres, pwd=inkreach, db=inkreach（psycopg2 装在 venv `C:\Users\Admin\.workbuddy\binaries\python\envs\default`）。
- 数据规律：**plates.id IN (2,3,4,5) = 美国男装/女装/童装/家居配饰**；SPU = categories(code 去重 59 个)；SKU = prices(web_product_id 粒度 218 条)；成分=composition，洗涤/英文名/质地/印花工艺=product_extra，图片=color_detail_images，尺码范围=colors.size_range。
- 映射：SPU.code=品类code, material/fabric=品类fabric, component_1~3=composition.comp1~3, style=sub_category, details=english_name, care_Instructions=washing_instructions, target_audience=plates.display_name, printing_type=design_explanation(烫画/热转印), fabric_texture_1=texture, fabric_weight_1=从名称正则提取克重。
- SKU: code=sku, price=price, size_group=colors.size_range, size_type=按尺码范围推断(字母码/儿童码/婴童码/均码/家居尺寸), img_url_2~5=该产品 color_detail_images 第2~5张。
- **留空字段（PG 无对应数据）**：pattern、collar_style、season、is_transparent、layout、weaving_method、lining_texture；SKU 的 color（web_sku 与 colors 名无法可靠映射，75 品类中 21 个不一致）、size、shoulder_width、bust、clothing_length、sleeve_length、longest_side、secondary_long_side、shortest_side（尺寸为品类级多值）。
- 结果：SPU 59 条（5000B 无价格故无 SKU）、SKU 218 条，字段未改动。
- 同步脚本 `db/sync_from_pg.py` 可重跑（先 DELETE 清空再插入）。

## SKU 改为颜色×尺码粒度（v2）
- 用户要求：SKU.code 用颜色映射编码（如 DG004-AP01 = colors.code）、color 填颜色名、每个尺码独立一个 SKU、包装规格从原库解析。
- 新数据源（product_extra 表的 JSON 字段）：
  - `product_size` JSON：尺码表（表头动态列：肩宽/胸围/衣长/袖长/腰围等，第一列=尺码）
  - `packaging_spec` JSON：包装规格（"包装尺寸（cm）"列 = 长*宽*高，拆分为最长边/次长边/最短边；另有 in/体积/重量列）
- SKU 生成：每个 SPU = colors(按主 category_id) × product_size 尺码表 → 笛卡尔积。
  - code=colors.code（颜色映射编码），color=colors.name，size=尺码，size_group=colors.size_range，size_type=推断
  - price=该品类 prices 首条价（颜色尺码粒度无独立价）；img_url_2~5=品类首颜色 web_sku 图
  - 5000B 无 product_extra → 尺码回退 size_chart；无 prices → price 留空
- **坑**：5000B(12色)/DG502(1色) 的 colors.code 是坏数据（存了颜色名/品类码）→ 脚本兜底生成 f"{品类code}-{颜色名}"。
- 结果：SPU 59 / SKU 1400（254 个唯一颜色编码）。填充率：code/color/size/size_group/size_type 100%，price 1340/1400，包装规格 1326/1400，尺寸字段 75~88%。

## SKU 尺码字段固定值 + SPU 增加国家字段
- 用户要求：SKU.size_group 全部='尺码'，SKU.size_type 全部='欧美尺码常规'（不再用推断逻辑）。
- SPU 表新增 `country` 列（TEXT），全部 59 条 SPU 设为 'US'。
- 已同步更新 `create_db.py`（SPU 表加 country 列）和 `sync_from_pg.py`（SPU 插入含 country='US'，SKU 用固定 sgroup/stype），重跑验证通过：SPU 59 / SKU 1400 / country 全 US / size_group、size_type 各 1 个唯一值。

## SKU 增加 package_weight（包装重量）
- SKU 表新增 `package_weight` 列，来源 = `product_extra.packaging_spec` JSON 的"含包装重量（g）"列（单位：克），新增 `parse_weight_json()` 解析函数。
- 匹配兜底（重要）：
  1. 精确匹配尺码 → 失败则取 '/' 前部分（家居类 '30*40/76.2*101.6' vs '30*40'）
  2. 均码同义词兜底（'Onesize'/'OneSize'/'均码' 互相匹配，YSM02 案例）
- 结果：填充 1340/1400（95.7%），仅 5000B 无数据（PG 无 packaging_spec，合理留空）。重量范围 16~847 g。
- create_db.py 的 SKU 定义同步加了 package_weight 列。