法治信息小助手

要解决的问题

珠海市法治建设相关信息分散在多个政府网站的资讯栏目和政务公开平台中：市司法局、市市场监管局、市法院、市政法委各自维护独立站点，信息更新节奏不一，页面结构差异也大。人工逐个站点排查近两周的立法、执法、司法、普法动态，既要在重复的浏览与复制中耗费大量时间，又容易因遗漏某个子站导致汇总失真。这个技能要做的事就是把这项工作自动化：给定一组检索关键词和时间范围，输出一份结构化的 Excel 清单。

核心能力与关键步骤

技能的工作流程分为四步，每一步都保留了人工干预的余地。

第一步：参数确认。 默认抓取珠海市 15 个政府网站，检索词覆盖 法治、立法、执法、司法、守法普法、涉外法治、全面依法治市 等方向，时间范围默认为近 14 天。管理员可以增减站点、替换关键词或指定起止日期，未提供的参数使用默认值。

第二步：网站抓取。 优先对各站首页使用 WebFetch 提取文章列表；首页抓取失败的站点改用 WebSearch，以 site:域名 关键词 方式补充检索。对 zhuhai.gov.cn 还会深入 /xw/xwzx/zhyw/ 要闻栏目及其分页。部分站点存在已知限制：zhcourt.gov.cn（法院网）通常 fetch 失败，需靠搜索兜底；zhzf.gov.cn（政法委）有内容策略限制；司法局、市场监管局、政务服务局的信息公开平台多为动态加载页面，首页抓取经常为空，同样依赖搜索补充。

第三步：文章筛选。 对抓到的文章按规则过滤：标题或摘要至少命中一个关键词、发布日期落在指定区间内、相同 URL 只保留一条。收录按优先级区分：标题直接含「法治」「立法」「执法」「司法」等核心词的必收；执法公告、行政处罚、普法宣传等间接相关内容酌情收录。

第四步：生成 Excel。 使用 Python openpyxl 生成结构化报表，包含序号、文章标题、链接、发布日期、来源五列，样式上做了表头配色、隔行底色、可点击超链接和底部备注，生成脚本模板位于 scripts/generate_report.py。

适用边界与注意点

• 数据覆盖度受目标站点结构限制。动态加载页面和反爬策略严格的站点，抓取结果可能不完整，失败站点会在报告备注中说明。
• 关键词匹配基于标题和摘要，正文相关但标题不含关键词的文章可能被漏掉。
• 输出文件默认为当前工作目录下的 法治信息结果.xlsx，文件名可自定义。
• 对独立站点采用并行抓取以缩短耗时，但单个站点失败不会中断整体流程。