File bảng tính Excel tổng hợp toàn bộ các bảng HTML được phát hiện trong các trang:
-**`tables.xlsx`**: File bảng tính Excel tổng hợp toàn bộ các bảng HTML được phát hiện trong các trang (Sheet "Summary" và các sheet chi tiết của từng bảng).
-**`pages.xlsx`**: File bảng tính Excel dành cho người dùng xem nhanh danh sách các trang đã crawl kèm định dạng màu trạng thái.
-**Sheet "Summary"**: Tổng hợp danh sách các bảng, URL trang chứa, số hàng, số cột và tên worksheet chi tiết.
-**Các Sheet "Table-P<ShortPath>-<Index>"**: Chứa dữ liệu chi tiết dạng lưới ô (cells) của từng bảng.
### 4.5 `pages.xlsx`
-**`metadata.json`**: Tóm tắt tổng quan thông số và cấu hình chạy của Crawl Job.
-**`summary.json`**: Thống kê số lượng trang thành công/thất bại và thời gian hoàn thành.
-**`data_quality.json`**: Báo cáo tổng hợp điểm chất lượng dữ liệu, tỷ lệ nội dung sạch, các cảnh báo (nav noise, trùng lặp, bài viết quá ngắn).
-**`diff_report.json`**: Báo cáo phát hiện thay đổi nội dung (Change Detection) giữa các lần crawl.
File Excel bảng tính dành cho người dùng xem nhanh danh sách các trang đã crawl, trạng thái, mã HTTP, tiêu đề, mô tả, điểm chất lượng và số từ.
### 4.7 `logs/errors.json` & `logs/crawl-log.txt`
### 4.6 `metadata.json`
-**`errors.json`**: Báo cáo riêng các trang bị lỗi (`status !== 'SUCCESS'`) kèm mã lỗi và nguyên nhân chi tiết.
-**`crawl-log.txt`**: Toàn bộ nhật ký chạy tiến trình crawl.
Tóm tắt tổng quan tiến trình chạy của Crawl Job:
### 4.8 Gói Xuất CSV Riêng Lẻ (`exportType: "CSV"`)
```json
Khi chọn xuất định dạng `CSV`, hệ thống tự động đóng gói toàn bộ các bảng CSV thành tệp **`csv.zip`** chứa:
{
-`pages.csv`: Bảng tổng hợp trang kèm chỉ số chất lượng và ID.
"jobId":"c4b8e21a-4d3f-4e89-9a1b-2c3d4e5f6a7b",
-`links.csv`: Bảng liên kết nội/ngoại bộ.
"userId":"9f8e7d6c-5b4a-3f2e-1d0c-9b8a7f6e5d4c",
-`images.csv`: Bảng danh sách hình ảnh trích xuất.
"startUrl":"https://example.com",
"domain":"example.com",
"mode":"CRAWL",
"status":"COMPLETED",
"maxPages":100,
"maxDepth":3,
"totalPages":50,
"successPages":48,
"failedPages":2,
"timeoutMs":30000,
"retryCount":3,
"startedAt":"2026-07-21T13:20:00.000Z",
"finishedAt":"2026-07-21T13:28:00.000Z",
"exportedAt":"2026-07-21T13:30:00.000Z"
}
```
### 4.7 `errors.json`
### 4.9 Gói Xuất Markdown Riêng Lẻ (`exportType: "MARKDOWN"`)
Báo cáo riêng các trang bị lỗi (`status !== 'SUCCESS'`):
Hệ thống đóng gói toàn bộ tài liệu Markdown thành **`markdown.zip`** gồm 2 thư mục:
-`clean/*.md`: File Markdown sạch đã bóc tách nav/footer dành cho AI Prompt Context.
-`raw/*.md`: File Markdown thô nguyên bản phục vụ kiểm tra/đối chiếu.
```json
### 4.10 Gói Xuất XLSX Riêng Lẻ (`exportType: "XLSX"`)
[
{
Khi chọn xuất định dạng `XLSX`, hệ thống tự động đóng gói toàn bộ bảng tính Excel vào tệp **`xlsx.zip`** chứa:
"url":"https://example.com/protected-page",
-`pages.xlsx`: Danh sách toàn bộ các trang crawl kèm Page ID, Word Count, Data Quality Score, Content Preview và metadata.
"status":"REQUIRES_LOGIN",
-`tables.xlsx`: Tập hợp toàn bộ bảng HTML trích xuất được từ website, bao gồm trang `Summary` (liệt kê danh sách bảng kèm Page ID và URL để đối chiếu chéo) và từng Sheet cho từng bảng dữ liệu riêng biệt.