如何使用 DeepSeek 和扣子代码节点批量抓取和提炼新闻？,,#新闻抓取

1. 为什么要用 DeepSeek 和扣子代码节点抓取新闻？,,#行业新闻

在日常生活中，我们经常需要获取最新的行业新闻，例如每天收到的行业新闻邮件。手动抓取和整理新闻既耗时又容易出错。通过 DeepSeek 生成代码，结合 扣子 平台，我们可以实现自动批量抓取新闻并进行提炼，大大提高效率。

2. 如何利用 DeepSeek 和扣子实现新闻抓取的工作流？,,#飞书多维表

2.1 工作流的整体目标,,#数据导出

我们的目标是：自动批量抓取新闻，进行提炼后导出到飞书多维表。例如，抓取 网易上海频道 的最新新闻，提取关键信息，并将其整理到飞书多维表中。

2.2 工作流的具体步骤,,#网页读取

1. 数据抓取：从 网易上海频道 抓取新闻数据。
2. 数据格式转换：使用 扣子代码节点，将抓取到的不规则数据（包含非新闻条目和多种新闻条目格式）整理为仅包含标题（title) 与新闻链接（link) 两项内容的数据。
3. 网页读取与提炼：利用网页读取插件处理提取出的新闻链接。
4. 数据导出：将提取的时间、新闻标题、新闻链接以及新闻总结导出到 飞书多维表格。
   • 可以进一步扩展，例如定时发送邮件或在微信群中自动定时发送。

2.3 飞书多维表的准备,,#授权

在开始工作流之前，需要在 飞书 中创建一个多维表，并包含以下字段：

• 提取时间
• 新闻标题
• 新闻链接
• AI 提炼

同时，在 扣子 工作流调试时，需要对此 飞书多维表 进行授权。

3. 如何配置扣子代码节点提取新闻链接和标题？,,#调试

3.1 核心思路,,#示例调试

核心思路是：让 AI 学习扣子平台规则 – 提出我的要求 – 提供示例 – 进行调试 – 上线。

3.2 让 DeepSeek 学习扣子平台规则,,#参数说明

首先，从 代码节点 中的编辑器复制 扣子平台 的代码示例，让 DeepSeek 了解平台的规则。

python

在这里，您可以通过 ‘args’ 获取节点中的输入变量，并通过 ‘ret‘ 输出结果

‘args’ 和 ‘ret’ 已经被正确地注入到环境中

下面是一个示例，首先获取节点的全部输入参数params，其次获取其中参数名为‘input’的值：

params = args.params;

input = params.input;

下面是一个示例，输出一个包含多种数据类型的 ‘ret’ 对象：

ret: Output = { “name”: ‘小明’, “hobbies”: [“看书”, “旅游”] };

async def main(args: Args) -> Output:
params = args.params
# 构建输出对象
ret: Output = {
“key2”: { # 输出一个Object
“key21”: “hi”
},
}
return ret

代码解释：

• args：用于获取节点中的输入变量。
• ret：用于输出结果。
• params = args.params：获取所有输入参数。
• input = params.input：获取名为 input 的参数值。

3.3 明确输出要求,,#标题链接提取

明确我们的输出要求：基于以上代码帮我写段代码，我的输入变量名是input，变量类型是string。我需要提取里面的标题和link，最终输出的变量名是output，变量类型是Array，里面包含两个变量 title和link，类型是string

3.4 提供输入示例并明确处理要求,,#链接提取

提供输入示例，并明确处理要求，例如：

• !上海一女子烧纸闯大祸：把邻居的保时捷烧了！\n!浦东一小区：大火从多个窗口蹿出\n浦东一小区：大火从多个窗口蹿出\n—————\n!金山新增一个游乐场，五一期间对外开放\n金山新增一个游乐场，五一期间对外开放\n——————\n* [!清明假期天气公布！节后天气也有消息了\n清明假期天气公布！节后天气也有消息了\n——————]

需要注意的点：

• 处理时忽略示例数据前面的信息。
• 确保链接部分只包含 URL，不包含括号。
• 限制处理新闻条数，例如最多处理 10 条。

3.5 调试代码,,#数据校正

调试过程中可能会遇到各种问题，例如 代码节点报错 或 工作流结果有问题。

• 代码节点报错：将错误信息复制到 DeepSeek，让其重新生成代码。
• 工作流结果有问题：提供更多的输入信息或明确更多的要求，例如提供不是新闻的数据或完整的数据条目。

3.6 最终代码示例,,#数据清洗

以下是一个可能的最终代码示例：

python
import re
from typing import List, Dict

async def main(args: Args) -> Output:
params = args.params
input_text = params.get(‘input’, ”) if isinstance(params, dict) else ”

# 第一步：分割所有可能的新闻条目
raw_items = re.split(r'\n\s*\*?\s*\[!\[', input_text)[1:]  # 以图片标记分割
output = []
seen_links = set()

for raw_item in raw_items:
    if len(output) >= 10:
        break

    # 第二步：提取图片描述
    img_desc_match = re.match(r'([^\]]*)\]\([^)]*\)', raw_item)
    if not img_desc_match:
        continue
    img_desc = img_desc_match.group(1).strip()
    remaining = raw_item[img_desc_match.end():]

    # 第三步：尝试匹配格式1（直接链接）
    format1_match = re.match(r'\]\(([^)]*)\)', remaining)
    if format1_match and '163.com/dy/article/' in format1_match.group(1):
        link = format1_match.group(1).strip()
        output.append({
            "title": img_desc,
            "link": link
        })
        continue

    # 第四步：尝试匹配格式2（带标题和分隔线）
    format2_match = re.match(
        r'\n\s*([^\n]+?)\s*\n\s*-+\s*\]\(([^)]*)\)',
        remaining,
        re.DOTALL
    )
    if format2_match and '163.com/dy/article/' in format2_match.group(2):
        title = format2_match.group(1).strip()
        link = format2_match.group(2).strip()
        if link not in seen_links:
            seen_links.add(link)
            output.append({
                "title": title,
                "link": link
            })

ret: Output = {
    "output": output[:10]
}
return ret

代码解释：

1. 分割新闻条目：使用 正则表达式 re.split(r'\n\s*\*?\s*\[!\[', input_text)[1:] 将输入文本分割成多个可能的新闻条目。
2. 提取图片描述：使用 正则表达式 re.match(r'([^\]]*)\]\([^)]*\)', raw_item) 提取新闻标题。
3. 匹配链接格式：尝试匹配两种不同的链接格式，提取链接和标题。
4. 数据清洗：确保链接只包含 URL，并限制处理的新闻条数。

4. 总结与感悟

整个调试过程，也是一个不断互相学习的过程。DeepSeek 学习我的思维方式，我也在通过 DeepSeek 给出的东西学习怎么能让它更懂我想要什么。

我认为：所谓AI，不过是工具耳。用之正则事半功倍，弃之则徒增烦恼。关键不在于AI之能，而在于使用者之慧。如同庖丁解牛，利器在手，更需胸有成竹，方能游刃有余。若无明确目标，纵有神兵利器，亦难成事。
,,,