盐城官方媒体监测

概述

本技能从盐城市及各区县的官方媒体源（公众号、报纸）抓取最新文章内容，自动生成一个响应式HTML聚合页面，按媒体源分类展示文章标题、摘要、正文预览和原文链接。

媒体源覆盖范围

完整媒体源列表详见 references/media_sources.md，共覆盖 46 个源，涵盖三大类官方媒体平台：

市级媒体（9个源）

盐阜大众报（ycnews.cn）：盐城要闻、社会民生、公告、教育、警方、法治、外媒看盐城共7个栏目
盐城广播电视总台（0515yc.cn）：盐城广电官网
盐城发布（wap.yancheng.gov.cn）：盐城市政府

区县级媒体（37个源）

每个区县同时覆盖 盐阜大众报区县新闻栏目 和 区县政府网站多个栏目：

| 区县 | 盐阜大众报栏目 | 政府网站栏目 | |------|---------------|-------------| | 亭湖区 | 亭湖新闻 | 要闻、宣传、通知公告、区外看亭湖 | | 盐都区 | 盐都新闻 | 政务资讯、综合资讯、部门动态、镇区动态、通知公告 | | 大丰区 | 大丰新闻 | 要闻、部门动态、镇区快讯、公告公示 | | 东台市 | 东台新闻 | 今日东台 | | 射阳县 | 射阳新闻 | 政务资讯、射阳日报 | | 阜宁县 | 阜宁新闻 | 政务资讯、基层动态、通知公告 | | 滨海县 | 滨海新闻 | 今日要闻、镇区报道、部门报道、通知公告 | | 响水县 | 响水新闻 | 响水发布、响水日报 | | 建湖县 | 建湖新闻 | 建湖发布 | | 开发区 | 开发区新闻 | — | | 盐南高新区 | 盐南高新区新闻 | — |

关键特性

分页抓取：政府CMS分页（index.html → index_1.html → index_2.html），每源最多抓5页
CDATA解析：支持政府CMS datastore/CDATA模式
严格日期过滤：--days 3 参数确保只保留最近3天文章，旧数据自动丢弃
无数量限制：每源最多500篇，一篇不漏

使用方式

本技能直接从政府网站新闻列表页面抓取最新文章，通过日期过滤确保只保留近期数据。

前置条件

依赖安装（首次使用前执行一次）:

C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe -m pip install requests beautifulsoup4 lxml -i https://mirrors.aliyun.com/pypi/simple/

全量抓取（推荐）

C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  ~/.workbuddy/skills/yancheng-media-monitor/scripts/scrape_yancheng_media.py \
  --days 3 \
  --output <输出目录>/yancheng_media.html

指定媒体源抓取

C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  ~/.workbuddy/skills/yancheng-media-monitor/scripts/scrape_yancheng_media.py \
  --sources "盐城发布,射阳发布" \
  --days 3 \
  --output <输出目录>/yancheng_media.html

快速模式（不抓正文，仅标题+日期+链接）

C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  ~/.workbuddy/skills/yancheng-media-monitor/scripts/scrape_yancheng_media.py \
  --no-content \
  --days 3 \
  --output <输出目录>/yancheng_media.html

同时保存JSON数据

C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  ~/.workbuddy/skills/yancheng-media-monitor/scripts/scrape_yancheng_media.py \
  --save-json <输出目录>/data.json \
  --days 3 \
  --output <输出目录>/yancheng_media.html

从JSON数据生成HTML（备用）

当网络无法访问政府网站时，可手动采集数据后生成HTML:

C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  ~/.workbuddy/skills/yancheng-media-monitor/scripts/scrape_yancheng_media.py \
  --from-json data.json \
  --output yancheng_media.html

脚本参数说明

| 参数 | 说明 | |------|------| | --output, -o | HTML输出路径，默认 yancheng_media_YYYY-MM-DD.html | | --sources, -s | 指定媒体源名称，逗号分隔 | | --from-json | 从JSON文件生成HTML（跳过抓取） | | --no-content | 仅获取标题+日期+链接，不抓取正文 | | --save-json | 将抓取结果同时保存为JSON | | --days | 只保留最近N天的文章（默认: 3天，设0为不过滤） |

添加自定义媒体源

编辑 scripts/scrape_yancheng_media.py 中的 MEDIA_SOURCES 列表，添加配置项:

{
    "name": "媒体名称",
    "category": "区县分类",
    "type": "wechat",         # "wechat" / "newspaper" / "tv"
    "keywords": "搜索关键词",
    "search_type": "gov_website",   # 固定为 gov_website
    "gov_url": "https://www.xxx.gov.cn/col/colXXXX/index.html",  # 新闻列表页URL
}

查找新闻列表页URL的方法:

访问政府网站首页
找到"政务资讯"、"要闻"、"XX日报"等栏目
复制该栏目页面的URL（通常格式为 /col/colXXXX/index.html）
确保该页面包含带日期的文章列表

数据源说明

所有46个媒体源均直接抓取政府网站/新闻网新闻列表页面，详见 references/media_sources.md。

每日自动化

使用 WorkBuddy 的自动化功能设置每日定时执行:

创建自动化任务，设置 scheduleType: "recurring"，rrule: "FREQ=DAILY"
自动化 prompt 示例:

运行盐城媒体监测抓取脚本，将HTML输出到当前工作目录。
使用脚本路径: ~/.workbuddy/skills/yancheng-media-monitor/scripts/scrape_yancheng_media.py
Python路径: C:\Users\Administrator\.workbuddy\binaries\python\versions\3.13.12\python.exe
参数: --days 3 --output yancheng_media.html --save-json yancheng_media_data.json

技术要点:

部分政府CMS使用 <datastore> + CDATA 模式加载文章列表，脚本已自动处理
分页抓取：政府CMS index.html → index_1.html → index_2.html，最多5页
日期从文章链接周围HTML元素或URL路径中提取
--days 参数严格控制只保留近期文章（默认3天），旧数据自动丢弃

输出页面特性

生成的HTML页面包含:

顶部统计面板（媒体源数、成功采集数、文章总数）
全文搜索功能（实时过滤文章）
按区县/媒体分类导航
文章卡片展示（标题、来源、时间、摘要）
正文展开预览（点击"展开正文"）
图片灯箱查看
响应式布局（适配手机和桌面）