YRTV 项目说明 till 0.5.0

项目概览

yrtv这一块。

数据来源与处理核心包括：

• 比赛页面的 iframe JSON 数据（iframe_network.json）
• 可选的 demo 文件（.zip/.dem）
• L1A/L2/L3 分层数据库建模与校验

数据流程

1. 下载与落盘
   通过 downloader/downloader.py 抓取比赛页面数据，生成 output_arena/<match_id>/iframe_network.json，并可同时下载 demo 文件。
2. L1A 入库（原始 JSON）
   ETL/L1A.py 将 output_arena/*/iframe_network.json 批量写入 database/L1A/L1A.sqlite。
3. L2 入库（结构化事实表/维度表）
   ETL/L2_Builder.py 读取 L1A 数据，按 database/L2/schema.sql 构建维度表与事实表，生成 database/L2/L2_Main.sqlite。
4. L3 入库（特征集市） ETL/L3_Builder.py 读取 L2 数据，计算 Basic 及 6 大挖掘能力维度特征，生成 database/L3/L3_Features.sqlite。
5. 质量校验与覆盖分析
   ETL/verify/verify_L2.py 与 ETL/verify/verify_deep.py 用于 L2 字段覆盖与逻辑检查。

目录结构

yrtv/
├── downloader/                 # 下载器（抓取 iframe JSON 与 demo）
│   ├── downloader.py
│   └── README.md
├── ETL/                        # ETL 脚本
│   ├── L1A.py
│   ├── L2_Builder.py
│   ├── L3_Builder.py
│   ├── README.md
│   └── verify/
│       ├── verify_L2.py
│       └── verify_deep.py
├── database/
│   ├── L1A/                    # L1A SQLite 与说明
│   ├── L1B/                    # L1B 目录（demo 解析结果说明）
│   ├── L2/                     # L2 SQLite 与 schema
│   ├── L3/                     # L3 SQLite 与 schema (特征集市)
│   └── original_json_schema/   # schema 扁平化与未覆盖字段清单
└── utils/
    └── json_extractor/         # JSON Schema 抽取工具

环境要求

• Python 3.11.4+
• Playwright（下载器依赖）
• pandas、numpy（校验脚本依赖）

数据库层级说明

L1A

• 用途：保存原始 iframe JSON
• 输入：output_arena/*/iframe_network.json
• 输出：database/L1A/L1A.sqlite
• 脚本：ETL/L1A.py

L1B

• 用途：保存 demo 解析后的原始数据（由 demoparser2 产出）
• 输出：database/L1B/L1B.sqlite
• 当前仓库提供目录与说明，解析流程需结合外部工具执行

L2

结构化事实表/维度表数据库，覆盖比赛、玩家、回合与经济等数据：

• Schema：database/L2/schema.sql
• 输出：database/L2/L2_Main.sqlite
• 核心表：
  • dim_players、dim_maps
  • fact_matches、fact_match_teams
  • fact_match_players、fact_match_players_t、fact_match_players_ct
  • fact_rounds、fact_round_events、fact_round_player_economy

L3

玩家特征集市 (Player Features Data Mart)，聚合 Basic 及 6 大挖掘能力维度 (STA, BAT, HPS, PTL, T/CT, UTIL)。

• Schema：database/L3/schema.sql
• 输出：database/L3/L3_Features.sqlite
• 脚本：ETL/L3_Builder.py
• 核心表：dm_player_features (玩家聚合画像)

JSON Schema 抽取工具

用于分析大量 iframe_network.json 的字段结构与覆盖情况，支持动态 Key 归并与多格式输出。

输出内容通常位于 output_reports/ 或 database/original_json_schema/，包括：

• schema_summary.md：结构概览
• schema_flat.csv：扁平字段列表
• uncovered_features.csv：未覆盖字段清单

数据源互斥说明

L2 中 fact_matches.data_source_type 用于区分数据来源与字段覆盖范围：

• classic：含 round_list 详细回合与坐标信息
• leetify：含 leetify 评分与经济信息
• unknown：无法识别来源

入库逻辑保持互斥：同一场比赛只会按其来源覆盖相应字段，避免重复或冲突。