SRE Weekly Digest

抓取 SRE Weekly 每期内容，把每期分享的文章逐篇导出为 Markdown 文件，用 manifest.json 记录每期状态。脚本只做解析与提取，不发邮件。

When to Use

用户提到 sreweekly.com / SRE Weekly 期刊 / sreweekly 脚本，要求抓取、提取、检查或导出
需要手动跑一次扫描/提取（--scan / --extract / --status）
想看某期分享了哪些文章、某篇文章的链接/作者/简介

关键事实

脚本：本技能目录 scripts/sreweekly.py（绝对路径 ~/.hermes/skills/custom/sreweekly-digest/scripts/sreweekly.py，软链到 atlas；单文件，依赖 feedparser）
数据目录：~/Workspace/nexus/sreweekly/（html/ 存每期原始 HTML，markdown/<期号>/ 存每篇一个 md，manifest.json 记状态；README.md 有完整说明）
核心发现：SRE Weekly 的 RSS feed 在 content:encoded 字段自带每期完整 HTML（实测最近 5 期全量）——不用再抓每期页面，直接从 feed 拿内容

命令速查

S=~/.hermes/skills/custom/sreweekly-digest/scripts/sreweekly.py
# 或在本技能目录下: S=scripts/sreweekly.py
python3 $S                    # 扫描 feed → 新期存 html/ + 登记 manifest（幂等去重）
python3 $S --check            # 输出 NEW:533,532 或 NONE
python3 $S --extract pending  # 提取所有未处理期
python3 $S --extract 533      # 指定期 / latest / all（已提取的需 --force 覆盖）
python3 $S --extract 433..464 # 期号区间（缺失的期告警跳过）
python3 $S --status           # 状态表（期号/日期/HTML/提取/文章数）
# 可选: --feed URL / --dir PATH / --force（数据目录默认 ~/Workspace/nexus/sreweekly/）

所有命令幂等：重复扫描不重复入库，重复提取自动跳过已提取的期
提取粒度：每篇文章一个 md（标题 / 期号日期 / 作者 / 原文链接 / 简介，含 blockquote 引用渲染）

页面/HTML 结构（解析器依据）

<div class="sreweekly-sponsor-message">…赞助商…</div>   ← 自动跳过
<div class="sreweekly-entry">
  <div class="sreweekly-title"><a href="文章URL">标题</a></div>
  <div class="sreweekly-description">
    <p>简介…</p> <blockquote><p>引用…</p></blockquote>
    <p>&nbsp;&nbsp;<small>作者</small></p>
  </div>
</div>

坑（已踩过）

标签间的纯空白（换行/缩进）会混进简介文本：解析时必须跳过 whitespace-only data，并在紧邻 \n> /\n\n 结构标记时 lstrip 前导空白，否则 blockquote 会渲染成 > \n文字（引用标记与正文断行）
段落后紧跟 blockquote 需要补空行（CommonMark 下无空行会被当成段落续行）
标题 slug 文件名保留 CJK（\w + unicode），超长截断 70 字符，前导序号保证顺序
manifest 期号从链接正则 sre-weekly-issue-(\d+) 提取，缺失时回退最后一段路径

3.3 KiB Raw Permalink Blame History Unescape Escape

SRE Weekly Digest

When to Use

关键事实

命令速查

页面/HTML 结构（解析器依据）

坑（已踩过）

3.3 KiB

Raw Permalink Blame History