Витяг характеристик зі сторінок товару

За якими правилами зібрано

• Значення переносяться символ у символ: без перефразування, без переведення одиниць, без «покращень». «2 х 60» лишається «2 х 60», разом з кириличним «х», яким його написав сайт. Єдине, що зводиться, — вид пробілу: нерозривний пробіл стає звичайним.
• Кожна пара несе тип розмітки і селектор вузла, з якого взята, плюс перевірку: рядок значення шукається у збереженому HTML точним підрядком. Не знайшлося — пара позначається і у файл не йде.
• Кілька значень в одній комірці — це кілька рядків, а не один злитий. «Функції» на дім.укр дали чотири окремі значення, у кожного свій номер текстового вузла. Склеювати їх під формат майданчика — робота експорту, а не витягу.
• Блоки відгуків, доставки, оплати і рекомендацій відсіюються до розбору.
• Модель і артикул звіряються між розмітками і заголовком сторінки — це те місце, де ловиться підміна товару.

Сам файл теж перевірений окремо: кожен селектор із таблиць нижче застосований заново до збереженого HTML іншим скриптом — усі 130 з 130 знаходять вузол, у якому справді лежить це значення.

Перевірив і повним браузером з цієї ж адреси — та сама стіна, знімок нижче. У вас на комп'ютері сторінка, найпевніше, відкривається: Cloudflare дивиться на репутацію адреси, з якої прийшов запит, а не на саму сторінку.

Що з цим роблю в системі: сторінка отримує статус «джерело недоступне», картка за нею не формується і не заповнюється наполовину. Мовчазної порожньої картки, як зараз, не буде.

На цих трьох сторінках однієї й тієї самої характеристики у двох розмітках одночасно не трапилось, тому жорсткого конфлікту тут немає. Найближче до нього — поле model у JSON-LD сторінки electros.com.ua: там стоїть 8964, тобто внутрішній номер сторінки, а не модель (модель — UB 68 XXL, вона в sku і в заголовку). Якби система звіряла товар за model, вона зчепила б картку не з тим товаром і не помітила б цього.

І ще одне: ваші три посилання — це не один товар. На першій UB 60, на другій і третій UB 68, який половина магазинів пише як «UB 68», а половина як «UB 68 XXL» (навіть сайт виробника називає його обома способами). Тобто звірка має вміти і зупинити чуже (UB 60 проти UB 68), і не заблокувати своє через різне написання тієї самої моделі.

Перевірка механізму на вашій же сторінці

Щоб показати, що робиться з розбіжністю, я взяв збережену копію першої сторінки і дописав у її JSON-LD характеристику «Потужність: 65 Вт», тоді як у таблиці на тій самій сторінці стоїть 60 Вт. Сама сторінка не змінювалась — правилась локальна копія. Ось що вийшло:

allo.ua закрита перевіркою, але товар від цього нікуди не дівається: він є на інших сайтах, і картку можна зібрати звідти. Прогнав чотири джерела того самого простирадла тим самим кодом. Повні переліки пар з них — у xlsx, тут тільки підсумок.

А ось де джерела не сходяться

Це вже не розбіжність усередині сторінки, а зведення картки з кількох джерел. Тут видно, чому не можна просто взяти «перше, що знайшлось»:

Два промахи фільтра я зловив на ваших же сторінках, поки збирав цей файл:

• Уся таблиця характеристик зникала на дім.укр. Вона лежить у контейнері з id characteristic_reviews — сайт склеїв вкладки «Характеристики» і «Відгуки» в один блок. Фільтр бачив у назві «reviews» і викидав усі 14 рядків. Тепер контейнер, який сам оголошує себе характеристиками, шумом не рахується.
• Пара «Європа: Україна». Прилетіла з перемикача країни з класом params. Тепер рядок береться лише в групі однакових: характеристики завжди йдуть списком, а самотній такий рядок — це майже завжди фільтр або перемикач.

Окремо прогнав electros.com.ua ще й через браузер, з готовим DOM: там скрипт домальовує на сторінку таблицю відгуків, і в ній рядок «Алла — 22.03.2026» виглядає точно як характеристика. Пари вийшли ті самі, 15 із 15, а цей рядок відсіявся як відгук (id=review).

Це рівно та причина, через яку такі речі перевіряються на живих сторінках, а не на тестах: обидві помилки були б «зеленими» у будь-якому юніт-тесті.