# Amazon 评论采集交付 · 2026-09-30

已完成：BDSM 1,017 条、情趣内衣 1,051 条有正文、有评论 ID 的有效去重记录。各导出 1,000 条为交付包，其余保留在全量有效语料中。

## 文件

- index.html：可视化采集状态、商品覆盖与下载入口。
- bdsm-delivery.csv / lingerie-delivery.csv：各 1,000 条交付数据；同名 JSON 便于机器读取。
- bdsm-unique.csv / lingerie-unique.csv：全部有效去重语料。
- *-raw.json：Bright Data 原始快照；*manifest.json：输入、任务 ID 与状态。
- audit.json / completion.json：去重、缺失、国家字段、隔离及完成状态。
- bdsm-quarantined.json：用途尚未建立的马术、通用道具或普通饰品等记录；未计入有效正文。
- *-rejected.json：错误记录、缺少评论正文或 ID 的记录。

## 采集口径

使用 Bright Data Amazon Reviews 采集器 gd_le8e811kzy4ggddlq，在 Amazon.com 收集。首批使用资料库中的候选链接，后续用 Amazon 搜索 API 发现当前候选，扩展套装、束缚、项圈、打击用品、连体衣、三件套、睡裙、吊袜带等相关商品。搜索排名及评分人数仅为发现链接的线索，不是畅销或市场规模证明。

使用 variation_specific=false，保留实际变体。按评论 ID 去重；父子 ASIN 仍可能共享评论池，URL 数不等于独立产品家族数。超过 1,000 条后按商品 URL 轮流抽取交付包，每 URL 内 seed=42 随机排序；这不是美国市场的概率样本。

国家采用 API 返回标记：全量 BDSM 中 314 条明确标记 United States、631 条缺失；全量内衣中 321 条明确标记 United States、642 条缺失。其他国家单列，国家缺失不推定为美国。日期保留原文，raw_row 是原始 JSON 数组的零起始索引。

API 返回的正文和字段未重新在原始 Amazon 页核验，作者身份、购买真实性及成年身份未独立确认。本轮完成采集与数据质量检查，尚未完成全量语义编码与需求报告更新。

## 任务与费用

所有采集任务已下载。请求上限不等于实际返回量或扣费量。余额查询接口返回 403，免费额度、实际账单尚未核验，详见 completion.json 的请求与返回统计。Token 仅通过进程环境传入，不写入资料文件或项目 env 配置。

## 本地复查

在仓库根目录运行（无需 Token、不联网）：

```bash
python3 research/amazon-bright-2026-09-30/audit.py
python3 research/amazon-bright-2026-09-30/validate.py
python3 research/amazon-bright-2026-09-30/build_intake.py
node research/amazon-bright-2026-09-30/verify-ui.cjs
```

Python 仅使用标准库；网络脚本用系统 curl。页面检查复用本机已有 Playwright 与 Chrome，未安装依赖、未修改部署配置。

网络采集脚本需进程环境变量 BRIGHTDATA_API_TOKEN。补量脚本复用其已提交任务 ID；不要重复运行 discover*.py，它们会创建新的搜索采集任务。
