Pine/ChouJuGEO
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases 1 Wiki Activity

feat: 重构项目结构并添加平台同步基础架构

Browse Source 
- 重构项目目录结构，将功能模块移至 modules/ 目录
- 创建平台同步基础架构，包括发布器基类和 GitHub 发布器
- 新增 UI 状态管理模块 (modules/ui/state.py) 统一管理会话状态
- 更新依赖配置，添加平台同步所需依赖 (httpx, pyperclip)
- 整理文档结构，将所有文档分类移至 docs/ 目录
- 添加 .cursorrules 文件定义项目开发规范
- 清理根目录重复文件，保持项目结构整洁
This commit is contained in:
刘国栋
2026-01-30 10:21:29 +08:00
parent 77d5ec70f8
commit 8f7f082c3d
102 changed files with 33742 additions and 1526 deletions
Download Patch File Download Diff File Expand all files Collapse all files
modules/content_metrics.py
+394
View File
@@ -0,0 +1,394 @@
"""
内容质量指标分析模块
计算 Trust Density、Citation Share、Authority Score、Engagement Potential 等指标
"""
import re
from typing import Dict, List, Optional, Tuple
from collections import Counter
class ContentMetricsAnalyzer:
"""内容质量指标分析器"""
def __init__(self):
# 信任信号模式（来源占位、数据、案例等）
self.trust_signal_patterns = [
# 来源占位模式
r'根据[^，。；：\n]{2,30}(?:报告|研究|数据|统计|调查|分析|标准|规范|文档|指南)',
r'参考[^，。；：\n]{2,30}(?:报告|研究|数据|统计|调查|分析|标准|规范|文档|指南)',
r'来自[^，。；：\n]{2,30}(?:报告|研究|数据|统计|调查|分析)',
r'据[^，。；：\n]{2,30}(?:显示|表明|统计|调查|分析)',
r'[^，。；：\n]{2,20}(?:报告|研究|数据|统计|调查)显示',
r'[^，。；：\n]{2,20}(?:报告|研究|数据|统计|调查)表明',
# 数据点模式
r'\d+%', # 百分比
r'\d+\.\d+%', # 小数百分比
r'约\d+%', # 约XX%
r'超过\d+%', # 超过XX%
r'达到\d+%', # 达到XX%
r'\d+倍', # XX倍
r'\d+个', # XX个
r'\d+项', # XX项
r'\d+次', # XX次
r'\d+年', # XX年（时间数据）
r'\d+月', # XX月
# 案例模式
r'案例[：:][^，。；\n]{5,100}',
r'例如[^，。；\n]{5,100}',
r'以[^，。；\n]{2,30}为例',
r'某[^，。；\n]{2,20}(?:企业|公司|用户|项目|团队)',
r'实际[^，。；\n]{2,30}(?:测试|应用|使用|经验)',
r'使用[^，。；\n]{2,30}(?:发现|表明|显示)',
]
# 结构化元素模式
self.structure_patterns = [
r'^#{1,6}\s+.+', # Markdown 标题
r'^\d+[\.、]\s+.+', # 编号列表
r'^[-*+]\s+.+', # 无序列表
r'^\s*[-*+]\s+.+', # 缩进列表
r'```[\s\S]*?```', # 代码块
r'`[^`]+`', # 行内代码
r'^\s*[Qq][：:].*', # FAQ 问题
r'^\s*[Aa][：:].*', # FAQ 答案
r'\|.*\|', # 表格
r'^>.*', # 引用块
]
def count_trust_signals(self, content: str) -> int:
"""
统计信任信号数量
Args:
content: 内容文本
Returns:
信任信号数量
"""
# 去重：如果同一个位置匹配多个模式，只算一次
# 简化处理：使用集合去重匹配位置附近的一小段文本
unique_matches = set()
for pattern in self.trust_signal_patterns:
for match in re.finditer(pattern, content, re.MULTILINE | re.IGNORECASE):
pos_key = content[max(0, match.start() - 10): match.end() + 10]
unique_matches.add(pos_key)
return len(unique_matches)
def count_citations(self, content: str) -> int:
"""
统计来源占位数量（Citation）
Args:
content: 内容文本
Returns:
来源占位数量
"""
citation_patterns = [
r'根据[^，。；：\n]{2,30}(?:报告|研究|数据|统计|调查|分析|标准|规范|文档|指南)',
r'参考[^，。；：\n]{2,30}(?:报告|研究|数据|统计|调查|分析|标准|规范|文档|指南)',
r'来自[^，。；：\n]{2,30}(?:报告|研究|数据|统计|调查|分析)',
r'据[^，。；：\n]{2,30}(?:显示|表明|统计|调查|分析)',
r'[^，。；：\n]{2,20}(?:报告|研究|数据|统计|调查)(?:显示|表明)',
]
citations = set()
for pattern in citation_patterns:
for match in re.finditer(pattern, content, re.MULTILINE | re.IGNORECASE):
# 使用匹配位置作为唯一标识
pos_key = (match.start(), match.end())
citations.add(pos_key)
return len(citations)
def count_brand_mentions(self, content: str, brand: str) -> int:
"""
统计品牌提及次数
Args:
content: 内容文本
brand: 品牌名称
Returns:
品牌提及次数
"""
if not brand:
return 0
# 使用单词边界匹配，避免部分匹配
pattern = r'\b' + re.escape(brand) + r'\b'
matches = re.findall(pattern, content, re.IGNORECASE)
return len(matches)
def count_structure_elements(self, content: str) -> Dict[str, int]:
"""
统计结构化元素数量
Args:
content: 内容文本
Returns:
结构化元素统计字典
"""
lines = content.split('\n')
structure_count = {
'headings': 0, # 标题
'lists': 0, # 列表
'code_blocks': 0, # 代码块
'faq_pairs': 0, # FAQ 对
'tables': 0, # 表格
'quotes': 0, # 引用
}
# 统计标题
for line in lines:
if re.match(r'^#{1,6}\s+.+', line):
structure_count['headings'] += 1
elif re.match(r'^\d+[\.、]\s+.+', line) or re.match(r'^[-*+]\s+.+', line):
structure_count['lists'] += 1
elif re.match(r'^\s*[Qq][：:].*', line):
structure_count['faq_pairs'] += 1
elif re.match(r'^\s*\|.*\|', line):
structure_count['tables'] += 1
elif re.match(r'^>.*', line):
structure_count['quotes'] += 1
# 统计代码块
code_blocks = re.findall(r'```[\s\S]*?```', content)
structure_count['code_blocks'] = len(code_blocks)
return structure_count
def calculate_trust_density(self, content: str) -> float:
"""
计算 Trust Density（每100字信任信号数）
Args:
content: 内容文本
Returns:
Trust Density 值
"""
if not content:
return 0.0
# 计算实际文本长度（去除空白字符）
text_length = len(re.sub(r'\s+', '', content))
if text_length == 0:
return 0.0
trust_signals = self.count_trust_signals(content)
# 每100字信任信号数
trust_density = (trust_signals / text_length) * 100
return round(trust_density, 2)
def calculate_citation_share(self, content: str, brand: str) -> float:
"""
计算 Citation Share（品牌引用比例）
Args:
content: 内容文本
brand: 品牌名称
Returns:
Citation Share 值（0-100）
"""
if not content or not brand:
return 0.0
brand_mentions = self.count_brand_mentions(content, brand)
# 统计所有可能的提及（品牌、竞品、通用术语等）
# 简化处理：统计所有可能的品牌/产品提及
# 使用常见品牌提及模式
all_mentions_pattern = r'\b[A-Z][a-zA-Z0-9]{2,20}\b' # 大写开头的单词（可能是品牌）
all_mentions = len(re.findall(all_mentions_pattern, content))
# 如果总提及数太少，使用品牌提及次数作为分母
if all_mentions < brand_mentions * 2:
all_mentions = brand_mentions * 2
if all_mentions == 0:
return 0.0
citation_share = (brand_mentions / all_mentions) * 100
return round(min(citation_share, 100.0), 2)
def calculate_authority_score(self, content: str) -> float:
"""
计算 Authority Score（权威性得分，0-100）
基于来源占位数量、数据密度等
Args:
content: 内容文本
Returns:
Authority Score 值（0-100）
"""
if not content:
return 0.0
citations = self.count_citations(content)
trust_signals = self.count_trust_signals(content)
text_length = len(re.sub(r'\s+', '', content))
if text_length == 0:
return 0.0
# 计算各项得分
# 来源占位得分（最多30分）
citation_score = min(citations * 5, 30)
# 信任信号密度得分（最多40分）
trust_density = (trust_signals / text_length) * 1000 # 每1000字信任信号数
trust_score = min(trust_density * 4, 40)
# 数据点得分（最多30分）
data_points = len(re.findall(r'\d+%', content)) + len(re.findall(r'\d+\.\d+%', content))
data_score = min(data_points * 2, 30)
authority_score = citation_score + trust_score + data_score
return round(min(authority_score, 100.0), 2)
def calculate_engagement_potential(self, content: str) -> float:
"""
计算 Engagement Potential（参与度潜力，0-100）
基于结构化程度、互动元素等
Args:
content: 内容文本
Returns:
Engagement Potential 值（0-100）
"""
if not content:
return 0.0
structure = self.count_structure_elements(content)
text_length = len(re.sub(r'\s+', '', content))
if text_length == 0:
return 0.0
# 计算各项得分
# 标题得分（最多20分）
heading_score = min(structure['headings'] * 2, 20)
# 列表得分（最多25分）
list_score = min(structure['lists'] * 1.5, 25)
# FAQ 得分（最多25分）
faq_score = min(structure['faq_pairs'] * 3, 25)
# 代码块得分（最多15分）
code_score = min(structure['code_blocks'] * 5, 15)
# 表格得分（最多10分）
table_score = min(structure['tables'] * 2, 10)
# 引用得分（最多5分）
quote_score = min(structure['quotes'] * 1, 5)
engagement_score = heading_score + list_score + faq_score + code_score + table_score + quote_score
return round(min(engagement_score, 100.0), 2)
def analyze_content(self, content: str, brand: str) -> Dict[str, any]:
"""
综合分析内容，返回所有指标
Args:
content: 内容文本
brand: 品牌名称
Returns:
包含所有指标的字典
"""
if not content:
return {
'trust_density': 0.0,
'citation_share': 0.0,
'authority_score': 0.0,
'engagement_potential': 0.0,
'trust_signals': 0,
'citations': 0,
'brand_mentions': 0,
'structure_elements': {},
'text_length': 0,
}
text_length = len(re.sub(r'\s+', '', content))
trust_signals = self.count_trust_signals(content)
citations = self.count_citations(content)
brand_mentions = self.count_brand_mentions(content, brand)
structure = self.count_structure_elements(content)
return {
'trust_density': self.calculate_trust_density(content),
'citation_share': self.calculate_citation_share(content, brand),
'authority_score': self.calculate_authority_score(content),
'engagement_potential': self.calculate_engagement_potential(content),
'trust_signals': trust_signals,
'citations': citations,
'brand_mentions': brand_mentions,
'structure_elements': structure,
'text_length': text_length,
}
def analyze_batch(self, contents: List[Dict[str, str]], brand: str) -> List[Dict[str, any]]:
"""
批量分析内容
Args:
contents: 内容列表，每个元素包含 'content' 字段
brand: 品牌名称
Returns:
分析结果列表
"""
results = []
for item in contents:
content = item.get('content', '')
metrics = self.analyze_content(content, brand)
# 保留原始数据
metrics['keyword'] = item.get('keyword', '')
metrics['platform'] = item.get('platform', '')
results.append(metrics)
return results
def get_metrics_summary(self, results: List[Dict[str, any]]) -> Dict[str, any]:
"""
获取指标汇总统计
Args:
results: 分析结果列表
Returns:
汇总统计字典
"""
if not results:
return {
'avg_trust_density': 0.0,
'avg_citation_share': 0.0,
'avg_authority_score': 0.0,
'avg_engagement_potential': 0.0,
'total_trust_signals': 0,
'total_citations': 0,
'total_brand_mentions': 0,
'count': 0,
}
return {
'avg_trust_density': round(sum(r.get('trust_density', 0) for r in results) / len(results), 2),
'avg_citation_share': round(sum(r.get('citation_share', 0) for r in results) / len(results), 2),
'avg_authority_score': round(sum(r.get('authority_score', 0) for r in results) / len(results), 2),
'avg_engagement_potential': round(sum(r.get('engagement_potential', 0) for r in results) / len(results), 2),
'total_trust_signals': sum(r.get('trust_signals', 0) for r in results),
'total_citations': sum(r.get('citations', 0) for r in results),
'total_brand_mentions': sum(r.get('brand_mentions', 0) for r in results),
'count': len(results),
}