Vibe coding了一个抓取了vgmdb.net的资料整理的程序，把VGMdb上关于律子小姐的作品集页以及每部相关作品的详细信息抓取下来，打包合并成单一html页面，方便查阅。VGMdb上关于二次元作品的资料比较详尽，关于她个人专辑的资料反而不太完整。
以尽量保持原页面的原始信息为准则，比原来的VGMdb页面改进的地方：
为个人作品集总页增加了封面图，方便快速翻阅时通过封面识别作品。
抓取了每个CD的详细信息页，职员名，封面及内页图，将律子小姐担当的角色标注在每首乐曲旁，方便快速查看。点击总表中的条目即可直接在下方展开详情。
由于VGMdb的CD详情页Notes段落描述的每首曲子的职员名单比较随意，为了找到律子小姐担当的角色，调用LLM对Notes进行了分析提取。为了加强数据准确性，使用详情页的职员总表和Notes中每首曲子的信息进行了机械交叉验证，同时使用MusicBrainZ的数据库查找了每张CD的信息，作了有限的交叉验证。
对信息中的一些术语进行了基于模式匹配的机械翻译，在可追溯的情况下尽量方便中文用户和非专业用户。但本人对音乐也是门外汉，无力对LLM产生的翻译词表进行校对，仅供大家参考。
考虑到原站点中CD内页扫描原图较大总计500MB左右，为了控制网页体积，进行了降分辨率压缩，最终网页大小为50MB左右。如需原图可以使用我的脚本重新下载资料。
以上全流程的抓取程序开源在github
https://github.com/cuigao/vgmdb-discography.git
整理好的资料可在以下地址自取，里面的ritz.html就是完整的单文件页面。创建网页的原始数据也一并上传了。
通过网盘分享的文件：vgmdb
链接: https://pan.baidu.com/s/1WR5JioowmtCQoqQMcim_Vw?pwd=2phe 提取码: 2phe |
发表于