石家庄市教育考试院 · 最新消息抓取
把官网公告抓成结构化数据，再渲染成一份自带搜索与筛选的单文件 HTML，用于日报、盯公告、给家长转发。
核心原则
不要解析首页 HTML 拿列表。 站点自己有列表接口，一次能翻 488+ 条历史公告；首页静态 HTML 只有最近 10 条且受改版影响。详情页可以解析正文，接口不行（需要登录 token）。
数据源
| 用途 | 方式 | 说明 |
|---|---|---|
| 公告列表 | POST http://www.sjzjyksxx.com.cn/api/webSite/article/getPageArticleList |
form 参数 pageNum、pageSize（≤50）；code 是字符串 "200"；列表在 result.content，总数在 result.totalSize |
| 文章正文 | GET 文章 url，取 div.article > div.paragraph 内文本 |
仅站内文章（/article/...）可用；外链是河北省教育考试院，不要抓 |
| 详情接口 | getArticleById |
返回 401，需登录，不要使用 |
字段、示例响应、HTML 兜底解析选择器见 references/api_reference.md。
标准流程
-
抓取（默认 2 页 40 条，够覆盖近 2~3 个月）
bash python3 scripts/fetch_news.py --pages 3
输出 JSON 默认落到~/.workbuddy/data/sjz-jyks-news/latest.json，并打印本次条数、新增条数、最新一条标题。 -
渲染 HTML
bash python3 scripts/render_html.py ~/.workbuddy/data/sjz-jyks-news/latest.json \ -o ./考试院最新消息-$(date +%Y%m%d).html
产物是单文件、零外部依赖（无 CDN、无字体外链），双击即可离线打开。 -
交付：用
present_files把 HTML 展示给用户，并在回复里点明——本次条数、新增条数、最新一条公告的标题和日期、是否有需要立刻关注的报名/考试节点。
参数
fetch_news.py
| 参数 | 默认 | 作用 |
|---|---|---|
--pages |
2 | 抓取页数（每页 20 条） |
--page-size |
20 | 每页条数，上限 50 |
--out |
~/.workbuddy/data/sjz-jyks-news/latest.json |
JSON 输出路径 |
--state |
~/.workbuddy/data/sjz-jyks-news/seen.json |
已见条目记录，用于判定「新增」 |
--no-state |
关 | 不读写状态，所有条目标为非新增 |
--detail-limit |
0 | 为前 N 条站内文章抓取正文摘要（写入 content_text） |
render_html.py
| 参数 | 默认 | 作用 |
|---|---|---|
json_path |
必填 | 上一步的 JSON |
-o/--out |
./考试院最新消息-YYYYMMDD.html |
HTML 输出路径 |
--top |
0（全部） | 只保留最新 N 条 |
--title |
最新招考消息 | 页面主标题 |
--open |
关 | 生成后用默认浏览器打开 |
"新增"是怎么判定的
fetch_news.py 把 articleId 累积写进 seen.json。首次运行没有基线，全部条目不标 NEW，只有第二次之后才标出真正新出现的公告——避免第一次给用户满屏 NEW。若用户想看"和上次相比新增了哪些"，直接跑即可；若用户要纯净快照，加 --no-state。
输出与命名
- 文件名带日期：
考试院最新消息-20261027.html，放在当前工作目录。 - 页面包含：抓取时间 / 覆盖区间 / 站点累计条数、收录数与新增数统计、来源筛选、关键词搜索（
/聚焦、Esc清空）、只看新增、NEW 角标、页脚数据来源与免责说明。
注意事项
- 站点是
http，没有 https，别把链接改写成 https（会连不上）。 contentSource有同义写法（如「石家庄教育考试院」缺「市」），脚本已归一为规范名，否则来源筛选会被拆成多个标签。- 站点为政务网站：单次抓取控制在数页，定时监控间隔建议 ≥1 小时，不要并发轰炸。
- 报告里的时间、资格条件、报名入口一律以官网原文为准——页脚已写明，回复时也要提醒用户核对原文。
- 接口异常（返回非 JSON、
code != 200）时脚本会报错退出；此时按references/api_reference.md的 HTML 兜底方案解析首页。
