linke-sdufe 0.3.1 → 0.5.0

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "linke-sdufe",
-  "version": "0.3.1",
+  "version": "0.5.0",
   "description": "山东财经大学强智教务（jw.sdufe.edu.cn）适配器共享包：登录、教务查询与页面解析。linke-cli 与 Linke App 同源引用；教务请求一律从用户设备直发。",
   "type": "module",
   "main": "./src/index.js",

package/src/adapter.js

@@ -34,6 +34,7 @@ import {
   parseJwcNotices,
   parsePortalNotices,
   parsePortalNoticeDetail,
+  parsePortalPage,
   parseMakeupsHtml,
 } from './parsers.js'
 
@@ -96,6 +97,47 @@ export const PORTAL_NOTICE_SOURCES = {
   sclx: { name: '出国留学培训基地', origin: 'https://sclx.sdufe.edu.cn', listPath: '/index/tzgg.htm', pagePath: '/index/tzgg', infoPaths: ['1078'] },
 }
 
+/**
+ * 校园官网明面具名页面注册表（T46 续四；学校概况类栏目页/单页——
+ * 非标准博达文章容器，解析走 parsePortalPage 容器链）。
+ * 逐页实勘 2026-09-04：全部含可提取正文。
+ */
+export const PORTAL_PAGES = {
+  xxjj: { name: '学校简介', url: 'https://www.sdufe.edu.cn/xxgk_/xxjj.htm' },
+  xrld: { name: '现任领导', url: 'https://www.sdufe.edu.cn/xxgk_/xrld.htm' },
+  zuzjg: { name: '组织机构', url: 'https://www.sdufe.edu.cn/zuzjg.htm' },
+  xqbc: { name: '校车班线', url: 'https://www.sdufe.edu.cn/xyfw/xqbc.htm' },
+  xydh: { name: '校园电话', url: 'https://www.sdufe.edu.cn/xyfw/xydh.htm' },
+  zxxl: { name: '校历', url: 'https://www.sdufe.edu.cn/xyfw/zxxl.htm' },
+  // T47 学院简介/领导页（16 站 24 key，照单注册清单 docs/plan/crawl/t47-page-key-registry.md
+  // ——地图 v9+批次 8 全量遍历双向验证；命名 {学院缩写}-xyjj=学院简介 / -ldr=学院领导）。
+  // 领导页为表格版式（姓名/职务/分工三列）无标准博达容器，走 parsePortalPage body 兜底。
+  'gkgc-xyjj': { name: '管理科学与工程学院简介', url: 'https://gkgc.sdufe.edu.cn/xygk/xyjj.htm' },
+  'gkgc-ldr': { name: '管理科学与工程学院领导', url: 'https://gkgc.sdufe.edu.cn/xygk/xyld.htm' },
+  'cs-xyjj': { name: '计算机与人工智能学院简介', url: 'https://cs.sdufe.edu.cn/xygk/xyjj.htm' },
+  'cs-ldr': { name: '计算机与人工智能学院领导', url: 'https://cs.sdufe.edu.cn/xygk/xyld.htm' },
+  'spft-xyjj': { name: '财政税务学院简介', url: 'https://spft.sdufe.edu.cn/xygk/xyjj.htm' },
+  'spft-ldr': { name: '财政税务学院领导', url: 'https://spft.sdufe.edu.cn/xygk/xyld.htm' },
+  'sie-xyjj': { name: '国际教育学院简介', url: 'https://sie.sdufe.edu.cn/xygk/xyjj.htm' },
+  'sie-ldr': { name: '国际教育学院领导', url: 'https://sie.sdufe.edu.cn/xygk/xyld.htm' },
+  'ys-xyjj': { name: '燕山学院简介', url: 'https://ys.sdufe.edu.cn/xygk/xyjj.htm' },
+  'ys-ldr': { name: '燕山学院领导', url: 'https://ys.sdufe.edu.cn/xygk/xyld.htm' },
+  'insurance-xyjj': { name: '保险学院简介', url: 'https://insurance.sdufe.edu.cn/xygk/xyjj.htm' },
+  'insurance-ldr': { name: '保险学院领导', url: 'https://insurance.sdufe.edu.cn/xygk/xrld.htm' },
+  'jinrong-xyjj': { name: '金融学院简介', url: 'https://jinrong.sdufe.edu.cn/xygk.htm' },
+  'jinrong-ldr': { name: '金融学院领导', url: 'https://jinrong.sdufe.edu.cn/xygk/xrld.htm' },
+  'marx-xyjj': { name: '马克思主义学院简介', url: 'https://marx.sdufe.edu.cn/index/xygk/xyjj.htm' },
+  'marx-ldr': { name: '马克思主义学院领导', url: 'https://marx.sdufe.edu.cn/index/xygk/xrld.htm' },
+  'sam-ldr': { name: '统计与数学学院领导', url: 'https://sam.sdufe.edu.cn/xygk/xrld.htm' },
+  'bcf-ldr': { name: '区块链金融实验室领导', url: 'https://bcf.sdufe.edu.cn/sysgk1/xrld.htm' },
+  'mpa-ldr': { name: 'MPA中心领导', url: 'https://mpa.sdufe.edu.cn/zxgk/xrld.htm' },
+  'law-xyjj': { name: '法学院简介', url: 'https://law.sdufe.edu.cn/xygk1/xyjj.htm' },
+  'gsglxy-xyjj': { name: '工商管理学院简介', url: 'https://gsglxy.sdufe.edu.cn/xygk1/xyjj.htm' },
+  'sce-xyjj': { name: '继续教育学院简介', url: 'https://sce.sdufe.edu.cn/xygk1/xyjj.htm' },
+  'site-xyjj': { name: '国际经贸学院简介', url: 'https://site.sdufe.edu.cn/xygk1/xyjj.htm' },
+  'mba-xyjj': { name: 'MBA学院简介', url: 'https://mba.sdufe.edu.cn/xygk/xyjj.htm' },
+}
+
 /** 课程属性中文名 → zzdKcSX 表单码（强智 kbxx_kc_ifr 口径） */
 export const COURSE_TYPE_MAP = {
   必修: '1',
@@ -492,6 +534,41 @@ export function createSdufeAdapter(env) {
         .filter((x) => !src.infoPaths || !src.infoPaths.length || src.infoPaths.some((c) => x.url.includes(`/info/${c}/`)))
     },
 
+    /**
+     * 校园官网明面具名页面抓取（T46 续四）。
+     * 返回 { title, content, links }；links=页面内 info 文章链接清单
+     * （如现任领导页→每位领导详情页），供下一步详情深入。
+     */
+    async fetchPortalPage(pageKey) {
+      const page = PORTAL_PAGES[pageKey]
+      if (!page) {
+        throw new LinkeError('BAD_PAGE', `未知具名页面：${pageKey}（可选：${Object.keys(PORTAL_PAGES).join('/')}）`, {
+          exitCode: EXIT.GENERAL,
+          hint: '学校级：xxjj=学校简介 / xrld=现任领导 / zuzjg=组织机构 / xqbc=校车班线 / xydh=校园电话 / zxxl=校历；学院级（T47）：{学院缩写}-xyjj=学院简介 / {学院缩写}-ldr=学院领导（如 gkgc-ldr=管科学院领导）',
+        })
+      }
+      let response
+      try {
+        response = await env.fetch(page.url, {
+          headers: { 'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) linke-cli' },
+          redirect: 'follow',
+          timeoutMs: 15000,
+        })
+      } catch (err) {
+        throw networkError(`抓取${page.name}页面`, err)
+      }
+      if (!response.ok) {
+        throw networkError(`抓取${page.name}页面（HTTP ${response.status}）`, null)
+      }
+      const parsed = parsePortalPage(await response.text(), page.url)
+      if (!parsed) {
+        throw new LinkeError('PARSE', `解析${page.name}页面失败（页面结构可能已变化）`, {
+          exitCode: EXIT.PARSE,
+        })
+      }
+      return { page: pageKey, name: page.name, url: page.url, ...parsed }
+    },
+
     /**
      * 校园官网公开通知详情全文（T46）。url 限源注册表内域名（白名单防抓任意站）；
      * 礼貌纪律：只抓用户点名的这一篇，不做批量预取。

package/src/index.js

@@ -2,7 +2,7 @@
  * linke-sdufe：山财强智教务适配器共享包。
  * linke-cli（Node）与 Linke App（uni-app，经 uni.request 垫片）同源引用。
  */
-export { createSdufeAdapter, COURSE_TYPE_MAP, PORTAL_NOTICE_SOURCES } from './adapter.js'
+export { createSdufeAdapter, COURSE_TYPE_MAP, PORTAL_NOTICE_SOURCES, PORTAL_PAGES } from './adapter.js'
 export { nodeEnv, validateEnv } from './env.js'
 export { computeEncoded } from './encoding.js'
 export * as parsers from './parsers.js'

package/src/parsers.js

@@ -993,3 +993,81 @@ export function parsePortalNoticeDetail(html, pageUrl = '') {
   }
   return { title, date, content, attachments }
 }
+
+/** 校园官网明面具名页面解析（T46 续四）：容器链兜底——v_news_content →
+ * #vsb_content（含序号后缀族，取最外层；T47 学院站实勘）→ .wp_articlecontent /
+ * .c_content → body 主文本（学校概况类页面非标准博达
+ * 文章容器，逐页实勘判例：xxjj 学校简介/xrld 现任领导/xydh 校园电话等）。
+ * 同时提取页面内 info 文章链接清单（如现任领导页→每位领导详情页），
+ * 供「列表→详情」动线延续。找不到任何容器时回退 body 去头尾。 */
+export function parsePortalPage(html, pageUrl = '') {
+  if (!html || typeof html !== 'string') return null
+  let inner = null
+  // 1. 标准博达容器优先（复用详情提取：v_news_content 含空壳跳过逻辑）
+  inner = extractVNewsContent(html)
+  // 2. vsb_content / wp_articlecontent / c_content 容器（单次 div 平衡）。
+  //    T47：学院站 vsb_content 常带序号后缀（vsb_content_4、vsb_content_2…），
+  //    且内层 u 系 div 的 id 也以 vsb_content 开头——取 id 最短者=最外层容器
+  //    （law/sce/site/gsglxy/mba 实勘），不再只认精确 id="vsb_content"。
+  if (!inner) {
+    const candidates = []
+    const vsbRe = /id="(vsb_content[^"]*)"/gi
+    let vm
+    let vsbBest = null
+    while ((vm = vsbRe.exec(html))) {
+      if (!vsbBest || vm[1].length < vsbBest[1].length) vsbBest = vm
+    }
+    if (vsbBest) candidates.push(vsbBest.index)
+    for (const marker of [/class="[^"]*wp_articlecontent[^"]*"/i, /class="[^"]*c_content[^"]*"/i]) {
+      const om = html.match(marker)
+      if (om) candidates.push(om.index)
+    }
+    for (const idx of candidates) {
+      const openTag = html.lastIndexOf('<div', idx)
+      if (openTag === -1) continue
+      const openEnd = html.indexOf('>', openTag)
+      if (openEnd === -1) continue
+      let depth = 1
+      const tagRe = /<\/div\s*>|<div\b[^>]*>/gi
+      tagRe.lastIndex = openEnd + 1
+      let t
+      while ((t = tagRe.exec(html))) {
+        if (t[0][1] === '/') depth--
+        else depth++
+        if (depth === 0) {
+          inner = html.slice(openEnd + 1, t.index)
+          break
+        }
+      }
+      if (inner) break
+    }
+  }
+  // 3. 兜底：body 去头尾（script/style 已在 htmlToText 剔除）
+  const bodyMatch = inner ? null : html.match(/<body[^>]*>([\s\S]*?)<\/body>/i)
+  const source = inner || (bodyMatch ? bodyMatch[1] : html)
+  const content = htmlToText(source)
+  if (!content) return null
+  // 页面内 info 文章链接清单（去重、绝对化）
+  const origin = (() => {
+    try { return new URL(pageUrl).origin } catch { return '' }
+  })()
+  const links = []
+  const seen = new Set()
+  const linkRe = /<a\s[^>]*?href="((?:[^"]*?\/)?info\/\d+\/\d+\.htm)"[^>]*>([\s\S]*?)<\/a>/g
+  let a
+  while ((a = linkRe.exec(source))) {
+    let url = a[1]
+    if (!/^https?:/i.test(url) && origin) {
+      url = origin + '/' + url.replace(/^(\.\.\/)+/, '').replace(/^\//, '')
+      url = url.replace(/([^:])\/+/g, '$1/')
+    }
+    if (seen.has(url)) continue
+    seen.add(url)
+    const title = decodeEntities(a[2].replace(/<[^>]+>/g, ' ').replace(/\s+/g, ' ').trim())
+    if (title) links.push({ title: title.slice(0, 80), url })
+  }
+  // 标题：页面 title 剥站名后缀
+  const t = html.match(/<title>([^<]*)<\/title>/)
+  const pageTitle = t ? decodeEntities(t[1].replace(/-[^-]*$/, '').trim()) : ''
+  return { title: pageTitle, content, links }
+}