盐城融媒汇总

要解决的问题

盐城市县两级官方媒体分散在 46 个源，既包括市级媒体，也包括区县政府网站和盐阜大众报区县栏目。手工汇总时会遇到列表结构不同、分页规则不一、日期位置不稳定、正文抓取成本高等问题。该技能面向公开媒体监测场景，目标是按统一格式抓取近期文章，并生成可直接查看的聚合页面。

技能如何工作

• 媒体源配置集中在 references/media_sources.md，覆盖市级 9 个源和区县级 37 个源。
• 脚本直接抓取新闻列表页，并支持政府 CMS 常见的 index.html → index_1.html 分页，每源最多 5 页。
• 对 CDATA / datastore 模式做解析，同时提取标题、日期、摘要、正文预览和原文链接。
• 通过 --days 做严格日期过滤，默认只保留最近 3 天；每源最多保留 500 篇。
• 抓取结果会生成响应式 HTML，包含统计面板、全文搜索、按区县或媒体分类导航、文章卡片、正文展开和图片灯箱。

适用边界与注意点

• 依赖目标站点结构和网络可用性；网站改版后可能需要更新 MEDIA_SOURCES 中的列表页配置。
• 只应用于公开官方媒体内容的监测，并注意访问频率与目标站点服务条款。
• 日期依赖链接周边 HTML 或 URL 路径，缺失日期时可能漏采或误过滤。
• --days 0 表示不过滤，可能混入旧文章；快速模式只取标题、日期和链接，不抓正文。
• 新增媒体源时，需要编辑 scripts/scrape_yancheng_media.py 中的 MEDIA_SOURCES，并确认列表页包含带日期的文章列表。