新闻提取

目标受众

- 新闻编辑：需要定期提取和汇总新闻内容。
- 数据分析师：希望从新闻中提取关键字和摘要以进行进一步分析。
- 开发者：想要自动化从特定网站获取新闻的过程。
- 市场营销人员：需要快速获取行业动态以制定营销策略。
- 学术研究者：需要最新的新闻数据来支持研究或论文。

解决的问题

- 自动化提取：从没有 RSS 提供的新闻网站自动提取最新新闻，解决了手动查找和提取信息的繁琐。
- 信息汇总：通过生成摘要和关键词，帮助用户快速获取新闻的核心信息，节省时间。
- 定期更新：通过定期调度，确保用户获取最新的新闻数据，保持信息的时效性。

工作流程步骤

1. 调度触发器：每周在特定时间自动触发工作流。
2. HTTP 请求：从指定的新闻网站获取 HTML 内容。
3. HTML 提取：提取包含新闻链接和发布日期的 HTML 元素。
4. 创建单个项目：将提取的链接和日期转换为单独的 JSON 项目。
5. 过滤最近的新闻：选择过去 7 天内的新闻，以确保信息的时效性。
6. 提取个别新闻：对每个链接发起请求，提取新闻标题和内容。
7. 生成摘要和关键词：使用 OpenAI 的 GPT-4 模型生成每篇新闻的摘要和关键词。
8. 合并数据：将提取的内容、日期、链接、摘要和关键词合并为一个完整的数据集。
9. 存储到数据库：将最终结果存储到 NocoDB 数据库中，以便后续访问和分析。

自定义指南

- 修改调度时间：在调度触发器节点中，可以调整 triggerAtDay、triggerAtHour 和 triggerAtMinute 来更改工作流的执行时间。
- 更新 CSS 选择器：在提取 HTML 内容的节点中，可以根据目标网站的结构，修改 CSS 选择器以提取不同的元素。
- 更改数据库配置：在 NocoDB 节点中，更新数据库表名和字段映射，以适应不同的数据存储需求。
- 调整过滤条件：在选择最近新闻的代码节点中，可以更改日期范围，获取不同时间段的新闻。
- 增加其他处理步骤：可以在工作流中插入新的节点，例如发送电子邮件通知或生成报告，以满足特定需求。