ArticleWeb

面向"文章领取与发布"的内容平台。支持多分类与多用户协作：从本地自动生成的文章库中识别并入库，用户在站内领取、编辑并发布到外部平台（如博客、微信公众号等）。系统提供稳定的扫描入库机制、唯一标识与文件管理、文章格式化功能，以及便捷的后台调度能力。

项目背景与定位

解决的问题

本项目旨在解决内容创作者面临的高频次、多平台发布需求，通过自动化生成与管理文章，提高内容生产效率。

工作原理

1. 内容生成阶段：通过本地脚本调用大模型API（如文心一言、ChatGPT等），批量生成多种分类的原始文章，存储在 generated_articles/<分类> 目录下
2. 扫描入库阶段：系统定期扫描文章目录，解析Markdown文件，生成HTML与元数据，分配唯一标识符，并将文件复制到静态目录
3. 领取编辑阶段：内容编辑人员在平台上按分类浏览、领取文章，进行人工优化、校对和完善
4. 发布导出阶段：编辑完成后，可通过平台导出或直接发布到各目标平台（如博客、公众号、自媒体账号等）

技术特点

• 采用唯一文件命名机制，基于短UUID与内容哈希，确保文件管理的一致性
• 支持多种文件格式（Markdown、HTML、元数据）的协同处理
• 实现文章状态全流程追踪，从待领取到已发布
• 提供文章格式化功能，便于对接不同平台

系统架构

数据流程

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│  大模型生成脚本  │───>│  文件系统存储   │───>│  扫描入库系统   │───>│  Web应用平台    │
└─────────────────┘    └─────────────────┘    └─────────────────┘    └─────────────────┘
       │                                              │                       │
       │                                              │                       │
       ▼                                              ▼                       ▼
┌─────────────────┐                        ┌─────────────────┐      ┌─────────────────┐
│ 分类目录结构    │                        │ 数据库存储      │      │ 用户领取   │
│ 中文_英文/      │                        │ - 文章表        │      │ - 领取记录      │
│ *.md文件        │                        │ - 分类表        │      │ - 查看功能      │
└─────────────────┘                        │ - 用户表        │      │ - 下载功能      │
                                           └─────────────────┘      └─────────────────┘

文件处理流程

1. 源文件处理：

   • 扫描 generated_articles/<分类>/*.md 文件
   • 解析内容，生成唯一标识符（短UUID + 内容哈希）
   • 创建 .html 和 .meta 文件

2. 文件复制与重命名：

   • 将文件复制到 static/articles/<英文分类>/
   • 统一重命名为 <article_id>.md、<article_id>.html、<article_id>.meta

3. 源文件归档：

   • 根据配置将原始文件移动到 Back 目录或删除

核心功能

• 分类与内容管理：支持"中文分类_英文分类"目录结构，自动解析分类并入库。
• 多用户领取管理：按工作流管理文章（待领取 → 已领取），用户可在领取记录中查看和下载。
• 扫描与入库：将本地生成的 .md 解析成 HTML 与 .meta，并入库与复制到静态目录。
• 唯一标识与文件命名：基于短 UUID 的 article_id，复制到静态目录时统一以 article_id 命名，避免文件冲突。
• 去重与稳定性：基于标题+正文生成 MD5 哈希，降低重复入库概率。
• 后台调度：可启用后台扫描调度器，定时发现并处理新文章。
• 内容导出：支持下载，方便用户在其他平台使用。

使用流程

1. 本地生成文章

• 使用 scripts/article_generation/ 下的脚本调用大模型生成内容

# 示例：使用文心一言生成文章
python scripts/article_generation/generate_articles.py --category "测试_test" --count 5

• 文章将输出到 generated_articles/<中文_英文>/ 目录，如 generated_articles/测试_test/article_20250825.md

2. 系统扫描入库

• 执行扫描命令，将文章解析、入库并复制到静态目录

# 扫描并处理所有新文章
python manage.py scan_articles

# 仅测试扫描，不实际处理文件
python manage.py scan_articles --dry-run

• 系统会自动为每篇文章生成唯一标识符，创建 HTML 与元数据文件

3. 领取与下载

• 用户登录平台，浏览待领取文章列表
• 领取文章后，状态变更为"已领取"，其他用户不可再领取
• 在领取记录中查看已领取的文章
• 支持多种格式下载：Markdown、HTML、富文本
• 用户可将下载的内容用于其他平台发布

快速开始

• 环境要求
  • Python ≥ 3.9
  • pip / venv
• 安装依赖

python -m venv .venv
.\.venv\Scripts\activate
pip install -r requirements/base.txt

• 初始化与运行

python manage.py migrate
python manage.py runserver

• 创建管理员（可选）

python manage.py createsuperuser

文章扫描

• 目录结构示例

generated_articles/
  测试_test/
    example.md

• 扫描命令

# 试运行（不改动文件，仅打印计划）
python manage.py scan_articles --dry-run

# 实际运行（生成 html、meta，入库并复制到静态目录）
python manage.py scan_articles

• 命名与复制规则
  • 源目录生成阶段采用唯一前缀 <article_id>_<timestamp> 产出 .html 与 .meta。
  • 复制到静态目录时统一重命名为：<article_id>.md、<article_id>.html、<article_id>.meta。
  • 处理完成后，源 .md 根据配置移动到 generated_articles/Back/... 或删除。

配置

• 参考 .env.example，常见配置：
  • ARTICLE_SCAN_ENABLED：是否启用后台扫描（true/false）
  • ARTICLE_SCAN_INTERVAL：后台扫描间隔秒数（如 180）
  • SCANNED_FILE_ACTION：处理已扫描文件策略（back/delete/none）
  • GENERATED_ARTICLES_DIR：源文章目录（默认 generated_articles）
  • STATIC_FILES_DIR：静态复制目标目录（项目内已配置）

项目结构

apps/
  articles/
    management/commands/scan_articles.py  # 扫描入库、生成、复制与清理
    models.py                             # 文章数据与状态
    api.py                                # 领取发布相关 API（可扩展）
  common/                                 # 通用工具与响应封装
  users/                                  # 用户与认证
static/                                   # 复制后的静态文件（md/html/meta 按分类存放）
scripts/article_generation/               # 本地生成文章脚本
scripts/scanning/                         # 脚本版扫描实现与示例

常用命令

python manage.py runserver      # 启动开发服务器
python manage.py collectstatic  # 生产环境收集静态文件
pytest -q                       # 运行测试

疑难排查

• 只复制了 .md，未复制 .html/.meta
  • 复制逻辑已修复：由 .meta 文件名提取唯一前缀，确保同名 .html/.md 一并复制到静态目录。
• 扫描找不到文章
  • 确认源目录命名为 中文分类_英文分类 且文件为 .md；Back 目录会被忽略。
• 重复文章未入库
  • 基于 content_hash 去重，如果标题+正文一致将被判定为重复。

贡献

• 欢迎提交 Issue 与 PR。提交前请确保通过本地测试并遵循项目风格。

许可

• 如需开放协议，请新增 LICENSE 文件并在此声明。