亚马逊 Related Products 数据采集全解析:六大关联模块、HTML 选择器、轮播翻页处理

claude-quickstarts(Python) 「claude-quickstarts(Python)」是精选资源合集(Python)。项目简介:A collection of projects designed to help developers quickly get started with building deployable applications using the Claude API内容整理清晰,适合系统学习与查阅。 立即下载

在这里插入图片描述

前言

亚马逊商品页面上的「关联商品」数据,是很多爬虫开发者接到任务时第一个被低估复杂度的需求。

常见误区:以为抓一个 #sims-fbt 就搞定了。实际上,亚马逊的关联商品模块有六种,每种的 HTML 容器 ID、渲染机制、数据量都不一样。本文从工程角度系统梳理这六大模块的采集策略,附完整可运行代码。


一、六大 Related Products 模块总览

在这里插入图片描述

亚马逊商品详情页的关联商品分以下六类:

模块名HTML 容器渲染方式典型 ASIN 数量采集难度
Frequently Bought Together (FBT)#sims-fbt 或 #frequently-bought-together_feature_div服务端渲染2-4★☆☆
Customers Also Bought#p_dp_sims_btf_1, #similarities_feature_div服务端+轮播首屏4-6,完整15-20★★☆
Customers Also Viewed#p_dp_sims_btf_2, #session-sims-feature-div服务端+轮播首屏4-6,完整15-20★★☆
Similar Items#similarities_feature_div, #compare-similar-feature-div混合4-8★★☆
Sponsored Products无固定容器,穿插在各模块中JS 动态渲染4-8★★★
Best Sellers Sidebar#zg-right-col服务端渲染3-5★☆☆

二、核心代码实现

2.1 数据结构定义

from dataclasses import dataclass
from typing import Optional

@dataclass
class RelatedProduct:
    asin: str
    title: Optional[str] = None
    price: Optional[str] = None
    rating: Optional[float] = None
    review_count: Optional[int] = None
    image_url: Optional[str] = None
    is_sponsored: bool = False
    module: str = ""   # 来源模块:fbt / also_bought / also_viewed / sponsored / bsr_sidebar

2.2 通用卡片解析函数

from bs4 import BeautifulSoup
import re

def extract_asin(el) -> Optional[str]:
    """优先从 data-asin 属性取,其次从 href /dp/ASIN 正则匹配"""
    asin = el.get("data-asin", "").strip()
    if asin and len(asin) == 10:
        return asin
    link = el.find("a", href=True)
    if link:
        m = re.search(r"/dp/([A-Z0-9]{10})", link["href"])
        if m:
            return m.group(1)
    return None


def parse_card(card, module_name: str) -> Optional[RelatedProduct]:
    asin = extract_asin(card)
    if not asin:
        return None
    
    p = RelatedProduct(asin=asin, module=module_name)
    
    # 标题(多 selector 降级)
    for sel in [".a-size-base-plus", ".a-size-medium", ".a-truncate-cut"]:
        el = card.select_one(sel)
        if el:
            p.title = el.get_text(strip=True)[:200]
            break
    
    # 价格
    whole = card.select_one(".a-price-whole")
    frac = card.select_one(".a-price-fraction")
    if whole:
        p.price = f"${whole.get_text(strip=True).replace(',', '')}.{frac.get_text(strip=True) if frac else '00'}"
    else:
        offscreen = card.select_one(".a-price .a-offscreen")
        if offscreen:
            p.price = offscreen.get_text(strip=True)
    
    # 评分
    r_el = card.select_one("[aria-label*='out of 5 stars']")
    if r_el:
        m = re.search(r"([\d.]+)\s+out of 5", r_el.get("aria-label", ""))
        if m:
            try:
                p.rating = float(m.group(1))
            except ValueError:
                pass
    
    # 评论数
    rev_el = card.select_one("[aria-label$='ratings']") or card.select_one("[aria-label$='reviews']")
    if rev_el:
        m = re.search(r"([\d,]+)", rev_el.get("aria-label", ""))
        if m:
            try:
                p.review_count = int(m.group(1).replace(",", ""))
            except ValueError:
                pass
    
    # 图片
    img = card.select_one("img")
    if img:
        p.image_url = img.get("src") or img.get("data-src")
    
    return p

2.3 FBT 提取(服务端渲染,最简单)

def extract_fbt(html: str) -> list[RelatedProduct]:
    soup = BeautifulSoup(html, "lxml")
    container = (
        soup.find(id="sims-fbt") or
        soup.find(id="frequently-bought-together_feature_div")
    )
    if not container:
        return []
    
    results, seen = [], set()
    for card in container.find_all(attrs={"data-asin": True}):
        asin = card.get("data-asin", "").strip()
        if not asin or asin in seen or len(asin) != 10:
            continue
        seen.add(asin)
        p = parse_card(card, "fbt")
        if p:
            results.append(p)
    
    return results

2.4 轮播模块提取(Also Bought / Also Viewed)

def extract_carousel(html: str, container_ids: list[str], module: str) -> list[RelatedProduct]:
    """
    提取轮播类关联模块
    注意:静态 HTML 只能拿到首屏 4-6 个 ASIN
    要拿完整列表,需要 Playwright 模拟翻页(见 2.5)
    """
    soup = BeautifulSoup(html, "lxml")
    results, seen = [], set()
    
    container = None
    for cid in container_ids:
        container = soup.find(id=cid)
        if container:
            break
    if not container:
        return results
    
    for card in container.select(".a-carousel-card, [data-asin]"):
        asin = card.get("data-asin", "") or extract_asin(card)
        if not asin or str(asin) in seen or len(str(asin)) != 10:
            continue
        seen.add(str(asin))
        p = parse_card(card, module)
        if p:
            results.append(p)
    
    return results


def extract_also_bought(html: str) -> list[RelatedProduct]:
    return extract_carousel(html,
        ["p_dp_sims_btf_1", "similarities_feature_div", "sp-recommendations-feature-div"],
        "also_bought"
    )


def extract_also_viewed(html: str) -> list[RelatedProduct]:
    return extract_carousel(html,
        ["p_dp_sims_btf_2", "session-sims-feature-div", "customers-also-viewed_feature_div"],
        "also_viewed"
    )

2.5 Playwright 轮播翻页(获取完整列表)

from playwright.sync_api import sync_playwright

def get_full_carousel(asin: str, container_id: str, proxy: str = None, max_pages: int = 5) -> list[str]:
    """
    使用 Playwright 翻页,获取轮播的完整 ASIN 列表
    注意:必须配合住宅代理使用,否则亚马逊会拦截
    """
    all_asins = []
    
    with sync_playwright() as p:
        browser = p.chromium.launch(headless=True,
            proxy={"server": proxy} if proxy else None)
        page = browser.new_page()
        
        page.goto(f"https://www.amazon.com/dp/{asin}", timeout=45000, wait_until="domcontentloaded")
        page.wait_for_timeout(3000)
        
        for _ in range(max_pages):
            # 采集当前页可见的 ASIN
            for card in page.query_selector_all(f"#{container_id} [data-asin]"):
                a = card.get_attribute("data-asin")
                if a and len(a) == 10 and a not in all_asins:
                    all_asins.append(a)
            
            # 点击下一页
            btn = page.query_selector(f"#{container_id} .a-carousel-goto-nextpage")
            if not btn or not btn.is_visible():
                break
            btn.click()
            page.wait_for_timeout(1000)
        
        browser.close()
    
    return all_asins

2.6 Sponsored 广告识别

def is_sponsored(card) -> bool:
    """
    通过四种 HTML 特征综合判断是否为广告位
    多特征综合判断准确率更高,避免单一特征误判
    """
    if card.select_one(".s-sponsored-label-info-icon, .puis-sponsored-label-info-icon"):
        return True
    if "sponsored" in card.get("data-component-type", "").lower():
        return True
    if "sponsored" in card.get_text()[:200].lower():
        return True
    for a in card.select("a[href]"):
        if "amazon-adsystem" in a.get("href", "") or "aax-us-pdp" in a.get("href", ""):
            return True
    return False

2.7 整合:提取全部六大模块

import json
import time

def extract_all_modules(html: str) -> dict:
    """
    一次调用提取所有模块,统一格式输出
    """
    soup = BeautifulSoup(html, "lxml")
    
    fbt = extract_fbt(html)
    also_bought = extract_also_bought(html)
    also_viewed = extract_also_viewed(html)
    
    # 为 also_bought / also_viewed 中的每个 ASIN 打 sponsored 标记
    for p in also_bought + also_viewed:
        card = soup.find(attrs={"data-asin": p.asin})
        if card:
            p.is_sponsored = is_sponsored(card)
    
    return {
        "fbt": [vars(p) for p in fbt],
        "also_bought": [vars(p) for p in also_bought],
        "also_viewed": [vars(p) for p in also_viewed],
        "summary": {
            "fbt_count": len(fbt),
            "also_bought_count": len(also_bought),
            "also_viewed_count": len(also_viewed),
            "sponsored_count": sum(1 for p in also_bought + also_viewed if p.is_sponsored)
        }
    }

在这里插入图片描述


三、常见问题

Q:为什么静态 HTML 拿到的 Also Bought 只有 4-5 个 ASIN?

A:轮播容器的 HTML 初始只渲染首屏的几个卡片。翻页操作由 JavaScript 动态加载后续内容,静态 HTML 中根本不存在后续的卡片 DOM 节点。需要用 Playwright 模拟翻页或截获 XHR 请求。

Q:data-asin 属性和 href 里的 ASIN 哪个更可靠?

A:data-asin 更可靠,因为它直接存储 ASIN 值,不依赖 URL 路径格式。但部分老版本页面可能没有 data-asin,这时候从 /dp/ASIN 的 href 正则匹配是可靠的 fallback。

Q:选择器经常失效怎么办?

A:为每个关键字段维护 2-3 个备用选择器列表,任一命中即返回。同时在生产环境监控字段提取成功率,低于阈值时告警——这比等待报错更早发现 DOM 结构变化。


四、规模化采集方案

自建方案适合日均 < 500 ASIN 的规模。更大规模或者需要持续监控关联变化,建议直接接 Pangolinfo Amazon Scraper API,内置六大模块解析模板,fields: ["related_products"] 直接返回结构化 JSON,DOM 结构变化时服务端无感知更新。

科技中介服务机构如何高效完成技术成果的筛选与匹配服务?.docx 科技中介服务机构如何高效完成技术成果的筛选与匹配服务? 立即下载

相关推荐

coppeliasim+gym+sac机械臂到位实验

urdf文件

电网不平衡下三相PWM整流器功率平衡控制仿真(Simulink仿真实现)

内容概要:本文围绕电网不平衡条件下三相PWM整流器的功率平衡控制策略展开研究,提出一种基于Simulink的高精度仿真模型,旨在解决电网电压不对称引起的输出功率波动、负序电流增加等问题。通过引入先进的控制算法,实现有功与无功功率的独立调节,有效抑制负序分量,提升系统在非理想电网条件下的稳定性与电能质量。文中详细阐述了控制系统架构设计,包括锁相环(PLL)、dq变换、双闭环控制策略(电压外环与电流内环)、SVPWM调制及负序分量补偿机制,并结合仿真结果验证了所提方法在动态响应、谐波抑制和功率平衡方面的优越性能。该研究对标“顶级EI复现”标准,具备较强的学术深度与工程应用价值。; 适合人群:电气工程、自动化、电力电子与电力传动等专业的硕士/博士研究生、科研人员及从事新能源发电、智能电网、工业变流器研发的工程师,需具备电路理论、自动控制原理、电力电子技术及Simulink/MATLAB仿真基础。; 使用场景及目标:①深入理解电网不平衡工况下PWM整流器的运行机理与控制挑战;②掌握基于同步旋转坐标系的先进控制策略设计方法;③复现高水平期刊论文中的控制方案,支撑科研项目申报、学术论文撰写或实际工程开发。; 阅读建议:建议结合文中“顶级EI复现”要求,细致分析控制逻辑构建过程与关键参数整定方法,利用Simulink模型进行分模块调试与整体验证,重点关注负序电流抑制效果、直流侧电压稳定性及功率纹波指标,可进一步拓展至不同故障场景或多电平拓扑的对比研究。

产业园区如何通过数智工具精准识别企业技术需求,提高服务匹配效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

概率神经网络的分类预测-基于PNN的变压器故障诊断(Matlab代码实现)

内容概要:本文档详细介绍了“Plecs全桥LLC谐振变换器仿真模型”,该模型基于Plecs平台构建,旨在精确模拟全桥LLC谐振变换器在各类工况下的动态行为,涵盖软开关过程、谐振参数变化对系统性能的影响等关键环节。LLC谐振变换器作为一种高效的电源转换拓扑,具有高效率、低电磁干扰等优势,广泛应用于现代电力电子系统中。本仿真模型不仅支持开环与闭环控制策略的设计与验证,还可用于优化谐振腔参数、分析启动过程及系统稳定性,有助于深入理解其工作机理并指导实际工程设计。此外,文档还列举了大量相关电力电子仿真资源,表明该模型属于一个综合性科研资料体系的一部分。; 适合人群:电力电子、自动化、电气工程及其相关专业的高校师生、科研人员,以及从事电源变换器设计与开发的工程技术人员。; 使用场景及目标:①用于教学与科研中对LLC谐振变换器工作原理的理解与验证;②辅助工程师进行变换器主电路参数设计、控制策略开发与系统性能优化;③作为复杂电力电子系统仿真研究的基础模块,支持进一步的功能扩展与集成。; 阅读建议:建议使用者结合Plecs官方手册与电力电子技术理论教材同步学习,重点关注谐振频率设定、软开关实现条件、磁性元件参数匹配及闭环控制器设计,通过调整仿真参数观察系统响应变化,深化对理论知识的实际应用与掌握。

产业园区运营负责人怎样利用数智工具提升企业技术需求对接效率?.docx

科易网基于AI模型+行业大数据,在技术转移、成果转化、技术经纪、知识产权、产业创新、科技招商等垂直领域的多样化应用场景,推出科技创新领域的AI+工具与数智化解决方案,推动科技创新与产业创新智能化发展。

科技中介服务机构在开展技术供需匹配服务时,如何降低操作复杂度并提高服务响应速度?.docx

科技中介服务机构在开展技术供需匹配服务时,如何降低操作复杂度并提高服务响应速度?

单相boost功率因数校正 PFC电路仿真(Simulink仿真实现)

内容概要:本文档系统介绍了基于Simulink平台的单相boost型功率因数校正(PFC)电路仿真资源,重点实现双闭环PWM控制策略下的电路建模与仿真分析。通过构建主电路拓扑、设计电压外环与电流内环的协同控制结构,结合PWM调制技术,验证boost型PFC在提升功率因数、抑制电流谐波方面的有效性。内容涵盖系统动态响应特性、控制环路参数整定方法及仿真调试过程,深入剖析PFC的工作原理与工程实现细节,为电力电子变换器的高性能控制提供实践参考。; 适合人群:具备电力电子、自动控制理论基础,从事电源设计、新能源变换系统及相关领域的研究生、科研人员和技术工程师;熟悉Simulink仿真环境者更佳。; 使用场景及目标:① 掌握boost型PFC电路的基本架构与工作机理;② 实践双闭环控制策略在功率因数校正中的具体应用;③ 在Simulink中完成控制系统建模、参数优化与仿真验证,强化实际工程设计能力;④ 为高效率AC-DC变换器、电动汽车充电系统等先进电力电子系统的研发奠定技术基础。; 阅读建议:建议结合文档中提供的其他相关仿真资源(如LLC谐振变换器、PWM整流器等)进行系统性学习,重点关注控制环路的设计逻辑与仿真调试流程,并通过调整控制器参数观察系统响应变化,从而深入理解PFC的动态调节机制与稳定性特征。

2263XT开卡工具N48R,威刚S20

2263XT开卡工具N48R,威刚S20可用

双闭环PWM整流器VOC控制 +SVPWM调制仿真(Simulink仿真实现)

内容概要:本文详细介绍了基于Simulink平台构建的双闭环PWM整流器VOC(虚拟磁链定向控制)与SVPWM(空间矢量脉宽调制)相结合的仿真模型,系统阐述了三相电压型PWM整流器在电压定向控制策略下的建模方法与控制实现。通过设计外环直流电压控制与内环电流控制的双闭环结构,实现了对整流器的高功率因数运行、能量双向流动及动态性能优化的精确调控。结合SVPWM调制技术,有效提升了直流侧电压利用率并显著降低输出电流谐波含量,增强了系统的整体效率与稳定性。该仿真模型适用于新能源发电、电动汽车充电系统、微电网等高性能电能变换应用场景,文档还配套提供了丰富的学习资源与技术支持渠道,便于深入研究与工程实践。; 适合人群:面向电气工程、自动化、电力电子及相关专业的高校学生、科研人员以及从事新能源、智能电网、电力传动等领域研发工作的工程师;尤其适合已具备自动控制理论、电力电子变换技术和MATLAB/Simulink仿真基础的专业人士进一步深化学习与应用。; 使用场景及目标:①深入理解PWM整流器的工作机理及其双闭环控制系统的架构设计;②掌握VOC控制与SVPWM调制的协同工作机制,提升系统动静态响应性能;③支撑科研课题、课程设计、毕业设计或实际工程项目中的整流器控制系统开发与验证;④作为高级电能变换技术的学习范例,促进对现代电力电子系统控制策略的综合理解与创新能力培养。; 阅读建议:建议结合文中提供的百度网盘链接与公众号资源,下载完整的Simulink仿真模型进行实操演练,在MATLAB环境中调整控制器参数并观察仿真结果,深入剖析控制逻辑与系统响应特性;同时可参考同系列资源如PI双闭环控制、电网不平衡工况下的控制策略等案例,开展对比分析与拓展研究,全面提升系统建模与控制设计的综合能力。

搜素引擎+p2p+电脑全域搜素+快速检索文件

快速搜索电脑内一切文件,反应超快

三相电压型PWM整流器PI双闭环控制Matlab仿真

内容概要:本文系统介绍了三相电压型PWM整流器的PI双闭环控制系统在Matlab/Simulink环境下的建模与仿真方法,重点阐述电压外环与电流内环的协同控制机制,通过PI调节器实现直流侧电压稳定控制及交流侧单位功率因数运行。内容涵盖电压定向控制(VOC)、空间矢量PWM(SVPWM)调制策略、电网不平衡条件下的功率平衡控制等关键技术,并延伸至维也纳(Vienna)整流器、中点电压平衡、滞环电流控制等多种先进拓扑与控制方法。配套提供Mathcad计算书,支持不同功率等级下的参数设计、闭环建模与工程化实现,形成从理论分析到仿真验证的完整技术链条,适用于电力电子系统科研与教学实践。; 适合人群:电气工程、电力电子及相关专业的研究生、科研人员,以及具备Matlab/Simulink仿真基础的工程技术人员。; 使用场景及目标:① 掌握三相PWM整流器双闭环PI控制系统的建模、仿真与动态性能分析;② 深入理解电压定向控制、SVPWM调制及电网不平衡工况下的先进控制策略;③ 利用Mathcad计算工具完成实际工程中整流器的参数设计与优化。; 阅读建议:建议结合Simulink仿真模型与Mathcad计算书同步学习,重点关注控制架构搭建、PI参数整定方法、系统稳定性分析及不同工况下的仿真验证,通过反复调试提升对控制性能的理解与工程应用能力。

两相交错并联Boost电路仿真模型(Simulink仿真实现)

内容概要:本文详细介绍了“两相交错并联Boost电路”的Simulink仿真模型,聚焦于该电路的建模方法与动态特性分析,属于电力电子变换器领域的关键技术研究。通过构建精确的仿真模型,深入探讨了交错并联结构在抑制输入电流纹波、提升功率密度、改善热分布及增强系统可靠性方面的显著优势。文档不仅提供了完整的电路建模流程,还涵盖了驱动信号相位控制、电感参数匹配、闭环调节策略等关键设计环节,并结合实际仿真波形验证了系统的动态响应与稳态性能。此外,文中列举了大量相关电力电子系统仿真资源,涵盖多种DC-DC变换器拓扑、先进控制策略(如PID、SVPWM、VOC、PFM等)以及优化算法在电力系统中的应用,展现出较强的科研复现与工程指导价值。; 适合人群:适用于具备电力电子技术、自动控制理论及电气工程相关基础知识的研究生、科研人员以及从事新能源、电源设计、微电网等领域的工程技术人员,特别适合正在开展DC-DC变换器拓扑研究或进行高水平论文复现工作的实践者。; 使用场景及目标:① 深入理解两相交错并联Boost电路的工作原理及其在提升系统性能方面的作用机制;② 借助Simulink平台独立搭建并调试仿真模型,掌握关键参数设置与控制逻辑实现方法;③ 作为科研项目的重要组成部分,用于复现EI、SCI级别期刊论文中的实验结果,支撑高质量学术成果的产出。; 阅读建议:建议读者结合Simulink软件进行动手实践,在仿真过程中重点关注两相驱动信号的互补时序关系、电感电流交错效果、输出电压稳定性及闭环控制响应特性。应对照文档逐步构建模型,细致调整参数以观察系统行为变化,并充分利用文中提供的其他资源链接,拓展对多类变换器拓扑与现代控制策略的认知体系。

【扩展卡尔曼滤波器EKF】基于UWB雷达的SLAM能够在室内环境内映射自然点地标,并改善机器人定位(Matlab代码实现)

内容概要:本文档详细介绍了基于Plecs软件构建的全桥LLC谐振变换器仿真模型,重点涵盖其在电力电子变换系统中的应用与研究价值。该模型用于深入分析LLC谐振变换器的核心工作特性,包括软开关技术的实现、谐振参数的精确设计以及变频控制策略的优化,旨在提升变换器的转换效率与系统稳定性。文档强调该仿真平台不仅支持独立建模,还可与Simulink等工具联合仿真,便于实现闭环控制算法的设计与验证,适用于高频高效电源系统的研发与教学实践。; 适合人群:面向具备电力电子、自动化或电气工程等相关专业背景,从事电源系统设计、变换器仿真研究工作的研发人员,以及研究生及以上学历的高校师生。; 使用场景及目标:①用于全桥LLC谐振变换器的拓扑结构验证与关键参数优化设计;②支持软开关特性分析、变频控制策略研究及系统效率提升;③作为高校电力电子课程设计、毕业设计或科研项目的仿真教学与研究平台; 阅读建议:建议使用者熟练掌握LLC谐振变换器的基本电路拓扑与工作原理,结合配套的设计报告与计算书开展仿真操作,重点关注谐振腔参数匹配、开关频率调节与控制策略对系统动态响应及效率的影响,以实现最佳的学习与研究成效。

美股分钟级别历史行情数据覆盖纽约证券交易所、纳斯达克等主要交易所的普通股与ETF 每条分钟数据包含股票代码、毫秒级时间戳、当日分钟序数,以及该分钟内的开盘价、最高价、最低价、收盘价和成交量 盘中实时接

美股分钟级别历史行情数据覆盖纽约证券交易所、纳斯达克等主要交易所的普通股与ETF。每条分钟数据包含股票代码、毫秒级时间戳、当日分钟序数,以及该分钟内的开盘价、最高价、最低价、收盘价和成交量。盘中实时接口持续推送全市场分钟级快照,历史下载提供近十年完整分钟线。数据均为未复权的原始交易记录。 数据源:CMES金融数据库

三相充电桩维也纳PFC+三电平LLC谐振变换器三电平PSIM仿真设计(Simulink仿真实现)

内容概要:本文档系统性地整合了电力电子与电力系统领域的MATLAB/Simulink仿真资源,聚焦于三相充电桩中的关键变换器技术,重点涵盖维也纳PFC(Vienna Rectifier)与三电平LLC谐振变换器的建模与仿真,采用双闭环PWM控制、SVPWM调制、中点电压平衡控制等核心技术。同时包含图腾柱PFC、交错并联结构、电网不平衡下的功率平衡控制、双有源桥DAB变换器优化控制等多种先进拓扑与控制策略的仿真实现,其中多项成果复现自顶级EI期刊。资源体系进一步拓展至微电网调度、状态估计(如卡尔曼滤波、EKF、UKF、PF)、智能优化算法(如多目标粒子群、秃鹰算法)及机器学习预测(如CNN-LSTM)等多个前沿交叉方向,配套提供仿真模型、算法代码、设计PPT与参考文献,构建了一个完整且高水准的科研仿真知识体系。; 适合人群:电气工程、自动化、新能源等相关专业的研究生、科研人员及从事电力电子与电力系统仿真的工程师,要求具备扎实的电路理论基础和熟练的MATLAB/Simulink仿真能力; 使用场景及目标:①深入研究三相功率因数校正、高效DC-DC变换器的建模与控制机理;②高质量复现学术论文中的先进控制策略,支撑高水平论文撰写与课题攻关;③服务于硕士/博士毕业设计、科研项目申报及工程化原型开发; 阅读建议:建议严格按照资源目录的逻辑顺序循序渐进地学习,优先掌握基础变换器拓扑与经典控制方法,再逐步过渡到高级优化策略与多学科交叉应用,结合所提供的代码、PPT讲解与参考文献进行仿真调试与二次开发,以充分挖掘资源潜力,实现科研能力的实质性提升。

批量 MAX 模型材质转换与多格式导出 对应脚本:批量导出物体转换材质有相同 - glb.ms 一、插件用途 批量读取指定文件夹中的 .max 场景文件,将识别到的多种材质简化为 Standar

批量 MAX 模型材质转换与多格式导出 对应脚本:批量导出物体转换材质有相同 - glb.ms 一、插件用途 批量读取指定文件夹中的 .max 场景文件,将识别到的多种材质简化为 StandardMaterial,然后把每个场景整体导出为指定格式,适合批量模型交付、格式转换和资产整理。 二、支持的导出格式 - FBX(默认格式) - OBJ - SKP - 3DS - OSGB - DAE - GLB - GLTF - STL 具体格式能否成功导出,还取决于当前 3ds Max 是否安装并加载对应导出器。 三、主要功能 1. 选择 MAX 文件夹:指定需要批量处理的 .max 文件目录。 2. 选择输出文件夹:可选;不指定时,每个导出文件放在对应 MAX 源文件所在目录。 3. 选择导出格式:从界面下拉列表中选择格式。 4. 开始:逐个加载扫描到的 MAX 文件,处理场景材质后导出整个场景,而不是只导出当前选择。 5. 文件重名处理:目标文件已存在时,自动尝试追加 _1、_2 等编号,避免直接覆盖同名文件。 四、材质转换方式 - 脚本会识别部分 VRay、Physical、Corona、GLTF、Standard、Autodesk 等材质类型。 - 转换目标为 StandardMaterial。 - 如果材质中能找到贴图文件,优先使用枚举到的第一张贴图作为漫反射贴图。 - 没有找到贴图时,尝试使用原材质的漫反射色、基础颜色或视口颜色等作为标准材质颜色。 - Multi/Sub 材质会逐个处理子材质。 该过程是面向通用导出的材质简化,不会完整保留原渲染器的所有材质层、反射、折射、凹凸和程序贴图网络。 五、GLB / GLTF 额外要求 - GLB 和

上一篇: 亚马逊 AI Agent 数据质量工程实践:为什么数据管道才是 AI 决策的真正天花板
下一篇: 亚马逊价格预警系统完整实现:Python + Scraper API + SQLite 全栈教程(2026)
devnullcoffee
博客等级 码龄1年 165粉丝 107原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值