python

需求說明

用於哪請優先攻克以下四大平台。若有反爬蟲，需設計繞過機制（如 Proxy 或 IP Rotation）： 平台 權威性 核心抓取目的 備註（給工程師） 1. NAVER 韓國搜尋及地圖權威 基礎名單建立、市場認可度（評分、評論總數） 優先攻克。需使用 Selenium 或模擬請求。 2. 강남언니 (Gangnam Unni) 醫美最大社群 手術透明度、效果滿意度、公開報價 極度小心反爬蟲。只抓取公開列表和平均評分。 3. KakaoMap 韓國地圖第二權威 基礎名單交叉驗證、評論總數 作為 NAVER 數據的輔助和補充。 4. 바비톡 (Babytalk) 整形外科社群 人氣醫師/診所排名數據（如曝光次數、熱度），不強制抓取分數。 作為後續人工驗證的「人氣指標」。 III. 程式撰寫與資料庫要求 A. 關鍵搜尋字： 請確保使用以下韓文關鍵字進行抓取，並鎖定江南區 (강남) 或狎鷗亭 (압구정)： • 拉皮： 안면거상술 • 眼袋： 눈밑지방재배치 B. 最終輸出欄位（必須包含）： 請將所有抓取到的資料匯入一個統一的資料庫（如 CSV 或 PostgreSQL），並確保以下欄位是最終排序的依據： 1. 診所名稱 (韓文/中文音譯) 2. 地址 (韓文/英文) 3. 服務項目 (確保提供拉皮/眼袋) 4. NAVER 評分 (5分制) 5. NAVER 評論總數 (數字) 6. Gangnam Unni 公開報價範圍 (數字或範圍) 7. 綜合權重得分 (Final Score) IV. 核心任務：建立「綜合權重排名模型」 請工程師務必建立一個公式，將不同平台的數據標準化後進行加權，以輸出最終的 綜合得分 (Final Score)。 步驟 1: 分數標準化 (Normalization) 將所有評分轉換為統一的 0 - 100 分制。 • 地圖評分 (NAVER, KakaoMap)： S基礎=(原始評分/5.0)×100 • 社群評分 (Gangnam Unni)： S社群=直接使用其百分比或標準化後的滿意度分數 步驟 2: 賦予權重 (Weighting) 根據用戶的心理需求，權重應傾向於「手術效果」和「市場認可度」： 評分來源 心理需求對應 權重 (W) 醫美社群評分 (Gangnam Unni) 手術效果與年輕化程度（滿足「超越同儕」的代償核心需求） 45% 評論數量 (NAVER/KakaoMap 擇一) 診所的經驗與市場認可度（確保經驗豐富，人氣高） 30% 地圖評分 (NAVER/KakaoMap 擇一) 基礎服務品質與環境（排除地雷，保證術後體驗） 25% 步驟 3: 最終綜合得分計算 Final Score=(S社群×0.45)+(S數量×0.30)+(S基礎×0.25) 最終輸出名單必須根據此 Final Score 由高到低排序。 個行業： 細節說明：