Show HN: Robust LLM extractor for websites in TypeScript

我们一直构建数据管道，爬取网站并提取结构化数据。如果你做过类似工作，知道其中的艰辛：你编写CSS选择器，网站布局改变，到2点整，一切崩溃，你早上要重写解析器。LLMs似乎是个显而易见的解决办法——把HTML扔给GPT，让它输出JSON。但实际操作起来比想象中更困难： - 原始HTML满是导航栏、页脚和追踪垃圾，消耗你的token预算。一个典型的产品页面是80%个底噪。 - LLMs返回的JSON格式更常出错，尤其是嵌套数组和复杂结构。一个错误的括号，你的管道就崩溃了。 - 相对URL、markdown转义链接、追踪参数——这些“小”URL问题在处理数千页时会迅速累积。 - 你最终要写同样的样板代码：HTML清理 → markdown转换 → LLM调用 → JSON解析 → 错误恢复 → 模式验证。