📖 构建一个多源、干净、个性化的阅读环境
琉璃开净界，薜荔启禅关
使用Liuli，你可以得到:
- 配置化开发，自定义输入、处理、输出
- 信息备份(支持跨源): Github, MongoDB
- 机器学习赋能：验证码识别、广告分类、智能标签
- 阅读源管控，构建知识管理平台
- 官方案例技术支持
使用场景：
- 目标监控
- 公众号：
- 广告问题：打造一个干净且个性化的公众号阅读环境
- RSS订阅问题：基于Liuli构建纯净的RSS公众号信息流
- 书籍(小说)追更订阅：基于Liuli追更&阅读小说
教程[使用前必读]：
快速开始，请先确保安装Docker：
mkdir liuli && cd liuli
# 数据库目录
mkdir mongodb_data
# 任务配置目录
mkdir liuli_config
wget -O liuli_config/default.json https://raw.githubusercontent.com/howie6879/liuli/main/liuli_config/default.json
# 配置 pro.env 具体查看 doc/02.环境变量.md
vim pro.env
# 下载 docker-compose
wget https://raw.githubusercontent.com/howie6879/liuli/main/docker-compose.yaml
# 启动
docker-compose up -d代码安装使用过程如下：
# 确保有Python3.7+环境
git clone https://github.com/liuli-io/liuli.git --depth=1
cd liuli
# 创建基础环境
pipenv install --python={your_python3.7+_path} --dev --skip-lock
# 配置.env 具体查看 doc/02.环境变量.md 启动调度
pipenv run dev_schedule启动成功日志如下：
Loading .env environment variables...
[2021:12:23 23:08:35] INFO Liuli Schedule started successfully :)
[2021:12:23 23:08:35] INFO Liuli Schedule time: 00:00 06:00
[2021:12:23 23:09:36] INFO Liuli playwright 匹配公众号 老胡的储物柜(howie_locker) 成功! 正在提取最新文章: 我的周刊(第018期)
[2021:12:23 23:09:39] INFO Liuli 公众号文章持久化成功! 👉 老胡的储物柜
[2021:12:23 23:09:40] INFO Liuli 🤗 微信公众号文章更新完毕(1/1)推送效果如图：
大概流程如下：
简单解释一下：
- 采集器：监控各自关注的公众号、书籍或者博客源等自定义阅读源，以统一标准格式流入
Liuli作为输入源； - 处理器：对目标内容进行自定义处理，如基于历史广告数据，利用机器学习实现一个广告分类器自动打标签，或者引入钩子函数在相关节点执行等；
- 分发器：依靠接口层进行数据请求&响应，为使用者提供个性化配置，然后根据配置自动进行分发，将干净的文章流向微信、钉钉、TG、RSS客户端甚至自建网站；
- 备份器：将处理后的文章进行备份，如持久化到数据库或者GitHub等。
这样做就实现了干净阅读环境的构建，衍生一下，基于获取的数据，可做的事情有很多，大家不妨发散一下思路。
开发进度看板:
为了提升模型的识别准确率，我希望大家能尽力贡献一些广告样本，请看样本文件：.files/datasets/ads.csv，我设定格式如下：
| title | url | is_process |
|---|---|---|
| 广告文章标题 | 广告文章连接 | 0 |
字段说明：
- title：文章标题
- url：文章链接，如果微信文章想、请先验证是否失效
- is_process：表示是否进行样本处理，默认填
0即可
来个实例：
一般广告会重复在多个公众号投放，填写的时候麻烦查一下是否存在此条记录，希望大家能一起合力贡献，亲，来个 PR 贡献你的力量吧！
感谢以下开源项目：
- Flask: web 框架
- Ruia: 异步爬虫框架
- playwright: 使用浏览器进行数据抓取
- CharCNN: 感谢
CharCNN论文作者Xiang Zhang, Junbo Zhao, Yann LeCun
您任何PR都是对Liuli项目的大力支持，非常感谢以下开发者的贡献（排名不分先后）：
欢迎一起交流（关注入群）：
