石家庄市教育局官网最新消息抓取 (sjzjyj-news-capture)
抓取 http://sjzjyj.sjz.gov.cn/（石家庄市教育局）的最新消息，产出结构化文章 + 汇总索引 + zip 压缩包。
何时触发
- 用户要"抓取/采集/订阅/汇总"该网站的最新消息、新闻、通知公告；
- 用户给出该站链接并要求"生成压缩包/最新信息"；
- 用户想定时监控该站更新。
核心脚本
scripts/fetch_sjzjyj_news.py —— 纯 Python 标准库实现，无需安装第三方依赖，直接运行：
python scripts/fetch_sjzjyj_news.py # 默认抓 新闻中心 + 通知公告 各 1 页（最新）
python scripts/fetch_sjzjyj_news.py --pages 3 # 各栏目抓 3 页
python scripts/fetch_sjzjyj_news.py --max 30 # 最多 30 篇
python scripts/fetch_sjzjyj_news.py --out 输出目录 # 指定输出目录
python scripts/fetch_sjzjyj_news.py --columns "http://sjzjyj.sjz.gov.cn/a/xwzx/sjxw/index.html" # 自定义栏目
站点结构与抓取逻辑（重要）
- 栏目列表页（可扩展）：
- 新闻中心：
/a/xwzx/index.html（子栏目：媒体聚焦 mtjj、区县新闻 qxxw、市级新闻 sjxw、图片新闻 tpxw、校园新闻 xyxw） - 通知公告：
/a/zwgk/tzgg/index.html - 文章链接格式：
/a/YYYY/MM/DD/时间戳.html - 分页：站点用
POST /dynamic/PageFront.jsp（表单字段parseId/categoryId/pageNo），脚本已自动处理。 - 详情页字段（正则抽取）：
- 标题：
<div class="sjxwfenyecont_title"> - 日期/来源/责任编辑：
<div class="fangwenliang">（格式日期:… 来源:… 责任编辑:…） - 正文：
<div class="content_fenye2">…</div>（以<div class="fanye">为结束标记） - 反爬：站点对无 UA 的请求返回 403，脚本已内置浏览器 User-Agent + Referer。
产出结构
<输出目录>/
├── 00_README.txt ← 抓取说明
├── 索引_最新消息.md ← 汇总索引（Markdown）
├── 索引_最新消息.csv ← 汇总索引（Excel 可打开）
├── manifest.json ← 结构化清单（机器可读）
├── 新闻中心/<日期>_<标题>.md
└── 通知公告/<日期>_<标题>.md
脚本会自动把整个目录打包为 <输出目录>.zip。
执行流程
- 运行脚本（可先
--max 10试跑）； - 脚本输出末尾打印
ZIP=…（压缩包路径）、OUTDIR=…（目录）、TOTAL=…（篇数）； - 用
present_files把 zip 与索引 md 展示给用户。
注意事项
- 若某篇正文为空，通常是纯附件/图片类公告，脚本会在 md 中标注"正文为空或需附件查看"。
- 若网站改版导致正则失效，优先检查详情页的
sjxwfenyecont_title/fangwenliang/content_fenye2三个 class 是否变更。
