不用小编，不花一分钱，这个“AI新闻日报”coze工作流，每天自动更新！

defclean_content_prefix(content):
"""
移除新闻内容中的非正常摘要开头
"""
# 定义需要移除的开头模式
unwanted_prefixes = [
r'^文章指出[，：:,]?\s*',
r'^文章主要内容[是为]?[，：:,]?\s*',
r'^文章说的是[，：:,]?\s*',
r'^文章表示[，：:,]?\s*',
r'^文章提到[，：:,]?\s*',
r'^文章介绍[了]?[，：:,]?\s*',
r'^文章描述[了]?[，：:,]?\s*',
r'^文章报道[了]?[，：:,]?\s*',
r'^文章称[，：:,]?\s*',
r'^文章显示[，：:,]?\s*',
r'^文章强调[了]?[，：:,]?\s*',
r'^文章分析[了]?[，：:,]?\s*',
r'^文章讨论[了]?[，：:,]?\s*',
r'^文章解释[了]?[，：:,]?\s*',
r'^文章阐述[了]?[，：:,]?\s*',
r'^据文章[，：:,]?\s*',
r'^根据文章[，：:,]?\s*',
r'^该文章[，：:,]?\s*',
r'^这篇文章[，：:,]?\s*',
r'^本文[，：:,]?\s*',
r'^文中[，：:,]?\s*'
]

cleaned_content = content
forpatterninunwanted_prefixes:
cleaned_content = re.sub(pattern,'', cleaned_content, flags=re.IGNORECASE)

returncleaned_content.strip()

asyncdefmain(args):
"""
从HTML文本中提取新闻标题和正文，使用正则表达式直接匹配模式

参数:
args: 包含输入参数的字典，格式如：
{
"params": {
"input_text": "1、标题

内容

..."
}
}

返回:
包含新闻列表的对象，格式如：
{
"news_list": [
{"title": "📰 新闻标题1", "content": "新闻内容1"},
{"title": "🤖 新闻标题2", "content": "新闻内容2"}
]
}

如果未找到新闻，返回：
{
"news_list": [],
"error": "未能提取新闻项目",
"debug_html": "原始HTML片段..."
}
"""
# 获取输入文本
input_text = args["params"]["input_text"]

# 直接使用正则表达式找出所有可能的新闻标题和内容
# 查找类似 "1、标题后面跟着的段落" 的模式
news_pattern =r"(\d+[、.]\s*.+?).*?

(.*?)

"
matches = re.findall(news_pattern, input_text, re.DOTALL)

news_items = []
fortitle, contentinmatches:
# 清理标题和内容中的HTML标签
clean_title = re.sub(r'','', title).strip()
clean_content = re.sub(r'','', content).strip()
# 清理内容中的非正常摘要开头
clean_content = clean_content_prefix(clean_content)

ifclean_titleandclean_content:
news_items.append({
"title": clean_title,
"content": clean_content
})

# 如果上面的方法没找到，尝试另一种模式匹配
ifnotnews_items:
# 尝试查找

数字、标题

后面跟着的段落
alt_pattern =r"

(\d+[、.]\s*.+?)

\s*

(.*?)

"
matches = re.findall(alt_pattern, input_text, re.DOTALL)

fortitle, contentinmatches:
clean_title = re.sub(r'','', title).strip()
clean_content = re.sub(r'','', content).strip()
# 清理内容中的非正常摘要开头
clean_content = clean_content_prefix(clean_content)

ifclean_titleandclean_content:
news_items.append({
"title": clean_title,
"content": clean_content
})

# 如果仍然没找到，尝试第三种模式
ifnotnews_items:
# 尝试寻找标题模式，不依赖于HTML结构
title_pattern =r'(\d+[、.]\s*[^
]+)'
titles = re.findall(title_pattern, input_text)

fortitleintitles:
ifre.match(r'\d+[、.]\s*', title): # 确认是以数字开头的
clean_title = title.strip()
# 寻找标题后的内容
title_pos = input_text.find(title)
iftitle_pos != -1:
# 找到标题后的第一个段落
next_p_start = input_text.find("

", title_pos +len(title))
next_p_end = input_text.find("

", next_p_start)ifnext_p_start != -1else-1

ifnext_p_start != -1andnext_p_end != -1:
content = input_text[next_p_start:next_p_end]
clean_content = re.sub(r'','', content).strip()
# 清理内容中的非正常摘要开头
clean_content = clean_content_prefix(clean_content)

ifclean_content:
news_items.append({
"title": clean_title,
"content": clean_content
})

# 如果上述方法都无法找到新闻项目，尝试直接返回标题行和后面的文本
ifnotnews_items:
# 尝试查找所有强调文本作为潜在标题
strong_pattern =r'(.*?)'
strongs = re.findall(strong_pattern, input_text)

forstrong_textinstrongs:
# 只处理看起来像标题的强调文本（数字开头）
ifre.match(r'\d+[、.]\s*', strong_text):
title_pos = input_text.find(strong_text)
iftitle_pos != -1:
# 向后查找一些文本作为内容
content_start = input_text.find("", title_pos) +10
content_end = input_text.find("", content_start)
ifcontent_end == -1:
content_end = content_start +300# 限制长度