如何使用Python访问JSON-LD/Microdata列表提取产品元数据

不要硬编码JSON-LD列表的下标位置（比如示例里写死取[3]的写法鲁棒性很差，页面结构调整后下标变了就会报错），正确逻辑是遍历json-ld数组下的所有条目，逐一判断条目的@type属性是否为Product，匹配到目标条目后再提取需要的字段即可。

data = {'json-ld': [{'@context': 'http://schema.org',
          '@type': 'WebSite',
          'potentialAction': {'@type': 'SearchAction',
                              'query-input': 'required '
                                             'name=search_term_string',
                              'target': 'https://www.vitenda.de/search/result?term={search_term_string}'},
          'url': 'https://www.vitenda.de'},
         {'@context': 'http://schema.org',
          '@type': 'Organization',
          'logo': 'https://www.vitenda.de/documents/logo/logo_vitenda_02_646.png',
          'url': 'https://www.vitenda.de'},
         {'@context': 'http://schema.org/',
          '@type': 'BreadcrumbList',
          'itemListElement': [{'@type': 'ListItem',
                               'item': {'@id': 'https://www.vitenda.de/search',
                                        'name': 'Artikelsuche'},
                               'position': 1},
                              {'@type': 'ListItem',
                               'item': {'@id': '',
                                        'name': 'Ihre Suchergebnisse für '
                                                "<b>'11287708'</b> (1 "
                                                'Produkte)'},
                               'position': 2}]},
         {'@context': 'http://schema.org/',
          '@type': 'Product',
          'brand': {'@type': 'Organization', 'name': 'ALIUD Pharma GmbH'},
          'description': '',
          'gtin': '',
          'image': 'https://cdn1.apopixx.de/300/web_schraeg_png/11287708.png?ver=1649058520',
          'itemCondition': 'https://schema.org/NewCondition',
          'name': 'GINKGO AL 240 mg Filmtabletten',
          'offers': {'@type': 'Offer',
                     'availability': 'http://schema.org/InStock',
                     'deliveryLeadTime': {'@type': 'QuantitativeValue',
                                          'minValue': '3'},
                     'price': 96.36,
                     'priceCurrency': 'EUR',
                     'priceValidUntil': '19-06-2022 18:41:54',
                     'url': 'https://www.vitenda.de/ginkgo-al-240-mg-filmtabletten.11287708'},
          'productID': '11287708',
          'sku': '11287708',
          'url': 'https://www.vitenda.de/ginkgo-al-240-mg-filmtabletten.11287708'}]}

# 初始化结果存储
product_info = None

# 遍历所有json-ld条目
for item in data.get('json-ld', []):
    # 跳过没有@type字段的无效条目
    if '@type' not in item:
        continue
    # 匹配Product类型，兼容@type为数组的特殊情况
    item_type = item['@type']
    if (isinstance(item_type, str) and item_type == 'Product') or \
       (isinstance(item_type, list) and 'Product' in item_type):
        # 提取目标字段
        offers = item.get('offers', {})
        product_info = {
            'product_name': item.get('name'),
            'url': item.get('url', offers.get('url')),
            'price': offers.get('price'),
            'price_currency': offers.get('priceCurrency'),
            'availability': offers.get('availability')
        }
        # 如果只需要第一个匹配的Product可以加break终止遍历
        break

# 输出结果
if product_info:
    print("找到Product类型条目，提取信息如下：")
    for k, v in product_info.items():
        print(f"{k}: {v}")
else:
    print("元数据中未找到Product类型条目")

• 原测试代码的判断逻辑if '@context' in data['json-ld'][0]['@context']是无效的：该逻辑是判断字符串@context是否存在于第一个条目的@context属性值（也就是schema的url字符串）里，和查找Product条目的需求完全无关。
• 硬编码下标取data['json-ld'][3]的写法兼容性很差，不同页面的JSON-LD条目顺序可能变化，遍历匹配的方式更稳定。
• 部分场景下offers字段可能是数组（对应同一个产品的多个销售渠道/规格报价），如果遇到这类数据可以再加一层遍历提取所有报价信息即可。
• 库存字段availability的返回值是schema定义的固定路径，比如InStock代表有货、OutOfStock代表缺货，可以根据字符串末尾的类型值做状态判断。

内容的提问来源于stack exchange，提问作者merlin