o2o-negosium-original/lps/services/search/naver_shop/parser.py

"""네이버 모바일 쇼핑 카드 → NormalizedProduct (순수 함수, 저장 HTML 로 테스트).

최종 목적은 **정확한 상품의 최저가**다. 그래서 파싱은 '많이 긁기'가 아니라
'가격의 의미가 확실한 것만 남기기' 쪽으로 판단한다.

카드 종류에 따라 가격의 의미가 다르다 — 둘 다 담되 구분한다:
  판매처 카드   "21,900원" + 몰명       → 그 판매처의 실제 판매가
  가격비교 카드 "최저7,790원" + 판매처 N곳 → 카탈로그 최저가. 몰명이 없어 mall_name="네이버"
                (옛 오픈API 의 lprice 와 같은 의미 — 그래서 버리지 않고 유지한다)

버리는 것과 이유:
  광고/슈퍼적립/브랜드블록 카드  판매 오퍼가 아니라 노출 상품 — 가격이 멤버십·쿠폰 조건부
  쿠폰할인가                     조건부(1인 1회·선착순) — price 로 쓰면 실구매가보다 싸게 잡힘

가격 파싱 함정(전부 실측에서 실제로 밟은 것들):
  "21,900원(100ml당 548원)"          단위가격을 먼저 떼지 않으면 548 을 집는다
  "최저7,790원(1개입당 31원)배송비3,900원"  가격 노드가 배송비까지 감싼다 → 마지막 매치를 쓰면 3,900 이 가격이 된다
  "정상가60,000원할인율38%36,840원"     정상가·할인율을 걷어내야 실판매가가 남는다
  "최저7,790원"                       '최저'와 숫자 사이에 공백이 없다(\\s 를 요구하면 못 잡음)
"""

import re

from selectolax.parser import HTMLParser

from common.logger import LOG
from services.search.contract import NormalizedProduct
from services.search.naver_shop.selectors import SELECTORS as S

_NUM = re.compile(r"([\d,]{3,})\s*원")
_LOWEST = re.compile(r"최저\s*[\d]")     # "최저7,790원" — 공백 없는 표기가 실제로 나온다
_CATALOG_MALL = "네이버"                  # 가격비교 카드의 판매처 표기(옛 오픈API 의 mallName 과 동일)


def parse_search_html(html: str, source: str = "naver") -> list[NormalizedProduct]:
    """검색 결과 HTML → 정규화 상품. 파싱 불가/의미 불명 카드는 조용히 버린다."""
    tree = HTMLParser(html)
    out: list[NormalizedProduct] = []
    skipped = {"ad": 0, "no_price": 0, "no_title": 0}
    catalog = 0

    for card in tree.css(S.card):
        cls = (card.attributes.get("class") or "").strip()
        # adProduct_item_inner 도 'product_item_inner' 를 포함하므로 prefix 로 유기 카드만 남긴다
        if not cls.startswith(S.card_class_prefix):
            skipped["ad"] += 1
            continue
        if card.css_first(S.ad_marker) is not None:
            skipped["ad"] += 1
            continue

        title = _text(card, S.title)
        if not title:
            skipped["no_title"] += 1
            continue

        price, price_raw, fee, ship_type = _prices(card)
        if not price:
            skipped["no_price"] += 1
            continue

        is_catalog = bool(_LOWEST.search(price_raw))
        if is_catalog:
            catalog += 1
        out.append(NormalizedProduct(
            source=source,
            name=title,
            price=price,
            mall_name=_text(card, S.mall) or (_CATALOG_MALL if is_catalog else None),
            detail_url=_href(card),
            shipping_fee=fee,
            shipping_type=ship_type,
        ))

    if out or any(skipped.values()):
        LOG.d(f"[naver_shop] 파싱 {len(out)}건(가격비교 {catalog}) · 제외 {skipped}")
    return out


def _text(card, sel: str) -> str:
    node = card.css_first(sel)
    return re.sub(r"\s+", " ", node.text()).strip() if node else ""


def _prices(card) -> tuple[int | None, str, int | None, str | None]:
    """(상품가, 가격원문, 배송비, 배송유형)을 한 번에 뽑는다.

    순서가 중요해서 한 함수에 가뒀다: 가격 노드에서 '가격이 아닌 금액'(단위가격·배송비·쿠폰가·
    정상가)을 decompose 로 떼어내는데, decompose 는 트리에서 노드를 아예 지우므로
    **배송비를 먼저 읽어야** 한다. 밖에서 호출 순서를 지키게 하면 언젠가 반드시 깨진다.
    """
    fee, ship_type = _shipping(card)

    node = card.css_first(S.price)
    if node is None:
        return None, "", fee, ship_type
    for sel in (S.unit_price, S.delivery_fee, S.coupon_price, S.org_price):
        for junk in node.css(sel):
            junk.decompose()
    raw = re.sub(r"\s+", " ", node.text()).strip()
    return _to_won(raw), raw, fee, ship_type


def _to_won(text: str) -> int | None:
    """'할인율38% 36,840원' → 36840. '원' 앞 숫자에 앵커링하고 **첫** 매치를 쓴다.

    첫 매치인 이유: 노드에 금액이 여러 개 남았다면 뒤쪽은 배송비·적립처럼 상품가가 아닌 것들이다
    (할인율 '38%' 는 '원'이 안 붙어 애초에 매치되지 않는다).
    """
    matches = _NUM.findall(text)
    if not matches:
        return None
    try:
        price = int(matches[0].replace(",", ""))
    except ValueError:
        return None
    return price if price > 0 else None


def _shipping(card) -> tuple[int | None, str | None]:
    """'배송비무료' → (0, 'free') · '배송비3,000원' → (3000, 'paid') · 없으면 (None, None).

    옛 오픈API 는 배송비 필드 자체가 없어 전 소스 None 이었다(lprice=배송비 제외 상품가).
    크롤은 화면 그대로라 배송비를 얻는다 — 최저가 비교의 정확도가 올라가는 지점.
    """
    text = _text(card, S.delivery_fee)
    if not text:
        return None, None
    if "무료" in text:
        return 0, "free"
    won = _to_won(text)
    return (won, "paid") if won else (None, None)


def _href(card) -> str | None:
    node = card.css_first(S.link)
    href = node.attributes.get("href") if node else None
    return href or None