media-search

# Media Search Tool 媒体库搜索工具技能，用于通过 search.py 脚本搜索媒体内容。 ## Usage ```bash python3 search.py --json-input '{"keywords": "搜索关键词", "limit": 10}' [--output-file results.json] [--output-console] ``` ## Parameters ### Required Arguments - `--json-input`: JSON格式的搜索参数 ### Search Parameters (JSON Input) | 参数名 | 类型 | 默认值 | 可选值/格式 | 必填 | 说明 | | -------------------- | ----------------- | ------- | -------------------------------------------- | --- | --------------------------------------- | | `keywords` | string | 无 | 多个关键词用空格分隔 | 是 | 用户输入的搜索主题（如“乡村振兴 最新政策”），系统会自动拆分关键词提升召回率 | | `keyword_position` | string | `标题或正文` | `仅标题`、`仅正文`、`标题或正文` | 否 | 指定关键词匹配位置 | | `publish_time_start` | string (datetime) | 见规则 | `yyyy-MM-dd HH:mm:ss` | 否 | 发布时间开始时间，支持模糊时间词（见下） | | `publish_time_end` | string (datetime) | 当前时间 | `yyyy-MM-dd HH:mm:ss` | 否 | 发布时间结束时间 | | `data_type` | string | 全部 | `news,app,weibo,wechat,wemedia,epaper`（逗号分隔） | 否 | 数据来源类型 | | `source_name` | string | 全部信源 | 任意信源名称 | 否 | 指定媒体来源（支持模糊匹配） 如“人民日报”、“新华社”、“澎湃新闻” | | `limit` | integer | 10 | 1 ~ 50 | 否 | 返回结果数量 | ### keywords 拆分规则 用于对用户输入的 `keywords` 进行智能拆分与规范化处理，以提升检索召回率与相关性。 #### 一、基础拆分规则 1. **按空格拆分** - 输入：`乡村振兴 最新政策` - 输出：`["乡村振兴", "最新政策"]` 2. **去除多余空格** - 自动去除首尾空格及重复空格 3. **大小写统一（英文）** - 全部转为小写（如：`AI Policy` → `ai policy`） #### 二、分词增强规则 1. **中文分词（语义切分）** - 输入：`人工智能发展` - 输出：`["人工智能", "发展"]` 2. **中英文混合拆分** - 输入：`AI发展趋势` - 输出：`["ai", "发展", "趋势"]` 3. **数字与单位拆分** - 输入：`5G产业` - 输出：`["5g", "产业"]` #### 三、停用词过滤 系统可过滤无意义词：的、了、和、是、在、与、及、以及、相关、方面、情况 ### 自然语言时间解析规则 用于从用户输入（关键词 / 对话文本）中识别时间表达，并转换为标准时间范围（`publish_time_start` / `publish_time_end`）。 #### 模糊时间关键词 | 关键词 | 转换规则 | |--------|----------| | `最新` / `实时` | 当前时间 - 24 小时 | | `近期` / `最近` | 当前时间 - 3 天 | #### 相对时间表达 | 表达 | 转换规则 | |------|----------| | 最近1天 / 过去1天 | 当前时间 - 1 天 | | 最近3天 | 当前时间 - 3 天 | | 最近7天 / 最近一周 | 当前时间 - 7 天 | | 最近1个月 | 当前时间 - 30 天 | | 最近3个月 | 当前时间 - 90 天 | #### 自然时间表达 | 表达 | 转换规则 | |------|----------| | 今天 | 当天 00:00:00 ~ 当前时间 | | 昨天 | 昨天 00:00:00 ~ 23:59:59 | | 前天 | 前天 00:00:00 ~ 23:59:59 | | 本周 | 本周一 00:00:00 ~ 当前时间 | | 上周 | 上周一 00:00:00 ~ 上周日 23:59:59 | | 本月 | 本月1号 00:00:00 ~ 当前时间 | | 上月 | 上月1号 00:00:00 ~ 上月最后一天 23:59:59 | | 今年 | 当年 01-01 00:00:00 ~ 当前时间 | | 去年 | 去年 01-01 00:00:00 ~ 12-31 23:59:59 | #### 默认时间规则 当用户**未提供任何时间信息**时： publish_time_start = 当前时间 - 90 天 publish_time_end = 当前时间 #### 解析规则说明 1. 所有“当前时间”均指系统当前时间（`now`） 2. 时间范围统一输出格式：yyyy-MM-dd HH:mm:ss ### Output Arguments - `--output-file` (string, optional): 将结果保存到指定JSON文件 - `--output-console` (flag, optional): 强制输出到控制台 ## Output Storage ### 1. JSON Output File 当指定 `--output-file` 时保存为JSON格式： ```json { "total": 100, "fallback_to_web": false, "items": [ { "title": "文章标题", "summary": "文章摘要", "source_name": "信源名称", "data_type": "news", "url": "https://example.com" } ] } ``` ### 2. Console Output 格式化文本输出到控制台，包含： - 查询元数据（查询词、后端、时间、数量） - 每个结果的详细信息 - 链接、摘要、正文预览 ## 生成文件管理 ### 默认生成位置 默认情况下，所有生成的文件保存在当前SKILL目录下： - JSON输出文件需要手动指定完整路径，例如：`sources/result.json` ### 清理策略 生成的JSON文件应根据情况删除： - **需要删除时**：JSON文件为临时/中间结果且不再需要时 - **需要保留时**：JSON文件包含需要保留的重要数据时 - **判断标准**：根据文件内容的重要性和项目持续需求来评估 示例清理流程： ```bash # 生成结果到指定目录 python3 search.py --json-input '{"keywords": "test"}' --output-file sources/result.json # 使用结果后，如不再需要则清理 rm sources/result.json # 删除临时JSON文件 ``` ## Examples ### Basic Search ```bash python3 search.py --json-input '{"keywords": "人工智能 政策", "limit": 20}' ``` ### Search with Source Filter ```bash python3 search.py --json-input '{"keywords": "乡村振兴", "limit": 10}' ``` ### Search with Time Range ```bash python3 search.py --json-input '{ "keywords": "人民日报 一带一路", "source_name": "人民日报", "publish_time_start": "2026-03-25 00:00:00", "publish_time_end": "2026-04-01 17:02:28" }' ``` ### Save to JSON File ```bash python3 search.py --json-input '{"keywords": "经济 发展"}' --output-file results.json ``` ### Console Output Only ```bash python3 search.py --json-input '{"keywords": "科技创新"}' --output-console ``` ## Environment Requirements 需要配置API密钥环境变量： - `NEWS_BIGDATA_API_KEY`: API密钥 - `NEWS_BIGDATA_API_SECRET`: API密钥密钥 ## 脚本异常处理 当运行 search.py 脚本发生异常时： - 系统会在控制台显示具体的错误信息 - 脚本会立即停止执行并返回错误代码 - 用户可根据显示的错误信息进行相应的故障排除 常见异常情况： - API密钥配置缺失或无效 - JSON输入格式错误 - 网络连接问题 - 参数验证失败 ## Integration Notes 1. **Auto-save**: 所有搜索结果自动保存到sources文件夹 2. **Multi-format**: 支持JSON文件、控制台、Markdown三种输出 3. **Parameter validation**: 自动验证参数范围和必填项 4. **Logging**: 详细的操作日志输出到控制台 ## Dependencies - `scripts/media_search.py`: 核心搜索引擎 - `scripts/SearchParameters`: 搜索参数模型 - `scripts/MediaSearchEngine`: 媒体搜索引擎类 ## Workflow Integration ### Basic Search Workflow ```bash # 1. Search and view results in console python3 search.py --json-input '{"keywords": "关键词"}' --output-console # 2. Search and save to file python3 search.py --json-input '{"keywords": "关键词"}' --output-file results.json # 3. Search with filters python3 search.py --json-input '{ "keywords": "关键词", "limit": 20 }' ``` ### Advanced Usage ```bash # Search with multiple criteria python3 search.py --json-input '{ "keywords": "人工智能 机器学习", "keyword_position": "标题或正文", "source_name": "科技日报", "limit": 30 }' --output-file ai_research.json ``` ## Troubleshooting - **API Error**: 检查环境变量 `NEWS_BIGDATA_API_KEY` 和 `NEWS_BIGDATA_API_SECRET` - **JSON Parse Error**: 验证JSON格式正确性 - **No Results**: 尝试调整关键词或时间范围 - **Permission Error**: 确保有写入sources文件夹的权限