# 智能搜索系统 - 简单实用版

一个基于RSS订阅和API的智能搜索系统，支持8个行业的权威信息检索和自动文档生成。

## 🌟 核心特性

- **英文优先搜索**: 默认英文搜索，包含中文关键词时自动切换
- **8行业覆盖**: 金融、AI/软件、制造业、医疗制药、快消品、零售电商、能源化工、房地产建筑
- **权威信源**: 200+ RSS源，按权威级别分类（官方机构 > 主流媒体 > 专业平台）
- **多种接口**: 命令行、Web界面、RSS监控器
- **自动导出**: 搜索结果自动生成DOCX报告
- **实时监控**: RSS源自动更新，建立本地文章数据库

## 🚀 快速开始

### 1. 安装依赖

```bash
cd 搜索/代码实现
pip install -r requirements.txt
```

**必需依赖:**
```bash
pip install requests feedparser python-docx
```

**可选依赖 (增强功能):**
```bash
pip install flask newsapi-python pandas
```

### 2. 配置API密钥 (可选)

创建环境变量或修改 `config.py`:

```bash
# NewsAPI (可选 - 增强英文搜索)
export NEWSAPI_KEY="your_newsapi_key"

# Twitter API (可选 - 社交媒体搜索)
export TWITTER_BEARER_TOKEN="your_twitter_token"

# Alpha Vantage (可选 - 金融数据)
export ALPHA_VANTAGE_KEY="your_alphavantage_key"
```

### 3. 启动系统

#### 方式一: 交互命令行 (推荐新手)
```bash
python main.py
```

#### 方式二: Web界面
```bash
python main.py --mode web --port 5000
```
打开 http://localhost:5000

#### 方式三: 直接搜索
```bash
python main.py --query "AI breakthrough 2024" --export
```

#### 方式四: 启动RSS监控器
```bash
python main.py --mode monitor
```

## 📖 使用指南

### 命令行搜索示例

```bash
# 基础搜索
>>> AI ethics regulation

# 行业搜索
>>> search renewable energy policy

# 中文搜索 (自动检测)
>>> 英伟达最新财报

# 查看统计
>>> stats

# 查看历史
>>> history

# 帮助
>>> help
```

### 搜索语言自动检测

- **英文搜索**: `AI breakthrough`, `Tesla earnings`, `oil prices`
- **中文搜索**: `中国AI政策`, `英伟达财报`, `新能源汽车`
- **强制中文**: 包含关键词: `中国`, `国内`, `A股`, `人民币`, `央行`

### 支持的行业

| 行业代码 | 中文名称 | 主要信源 |
|---------|---------|----------|
| `finance` | 金融行业 | Fed, SEC, Bloomberg, Reuters |
| `ai_software` | AI与软件 | arXiv, Google AI, OpenAI, TechCrunch |
| `manufacturing` | 制造业 | ISO, IEEE, Industry Week |
| `healthcare_pharma` | 医疗制药 | FDA, NIH, STAT News |
| `fmcg` | 快消品 | Nielsen, Euromonitor |
| `ecommerce_retail` | 零售电商 | Shopify, eMarketer |
| `energy_chemical` | 能源化工 | IEA, Energy.gov |
| `real_estate` | 房地产建筑 | HUD, Construction Dive |

## 📁 文件结构

```
搜索/代码实现/
├── main.py                 # 主程序入口
├── config.py              # 配置文件
├── database.py            # 数据库操作
├── search_engine.py       # 搜索引擎
├── rss_monitor.py         # RSS监控器
├── document_exporter.py   # 文档导出器
├── database_schema.sql    # 数据库结构
├── requirements.txt       # 依赖包
├── data/                  # 数据目录
│   ├── search_system.db   # SQLite数据库
│   └── search_system.log  # 系统日志
└── 新闻/                  # 导出文档目录
    └── *.docx             # 生成的报告
```

## 🔧 高级配置

### 自定义RSS源

编辑 `config.py` 中的 `RSS_SOURCES`:

```python
RSS_SOURCES = {
    'finance': [
        {
            'name': 'Your Custom Source',
            'url': 'https://example.com/rss.xml',
            'authority_level': 2,  # 1=官方, 2=主流, 3=专业
            'language': 'en'
        }
    ]
}
```

### 调整搜索参数

修改 `config.py` 中的 `SEARCH_CONFIG`:

```python
SEARCH_CONFIG = {
    'max_results_per_source': 50,    # 每源最大结果数
    'min_relevance_score': 0.3,     # 最低相关性分数
    'keywords_for_china': ['中国', '国内']  # 中文检测关键词
}
```

### RSS监控频率

调整 `RSS_MONITOR_CONFIG`:

```python
RSS_MONITOR_CONFIG = {
    'check_interval': 3600,  # 检查间隔(秒) - 3600=1小时
    'max_retries': 3,        # 最大重试次数
    'timeout': 30            # 请求超时(秒)
}
```

## 🎯 使用场景

### 场景一: 行业研究
```bash
python main.py --query "renewable energy investment 2024" --industry energy_chemical --export
```

### 场景二: 竞争情报
```bash
python main.py --query "Tesla quarterly results" --industry ai_software --export
```

### 场景三: 政策追踪
```bash
python main.py --query "FDA drug approval" --industry healthcare_pharma --export
```

### 场景四: 技术趋势
```bash
python main.py --query "quantum computing breakthrough" --industry ai_software --export
```

## 📊 导出文档格式

生成的DOCX文档包含:

1. **标题页**: 搜索关键词、行业、日期
2. **搜索信息**: 参数、结果统计
3. **文章列表**: 
   - 标题和来源信息
   - 权威级别标注
   - 发布时间和相关性评分
   - 文章摘要
   - 原文链接 (可点击)

文件命名规则:
- 英文: `YYYYMMDD_industry_keywords.docx`
- 中文: `YYYYMMDD_industry_keywords_CN.docx`

## 🔍 故障排除

### 常见问题

**Q: RSS源无法访问怎么办？**
A: 系统会自动重试和降级处理，单个源失败不影响整体搜索。

**Q: 搜索结果太少？**
A: 
1. 检查关键词是否过于具体
2. 尝试不指定行业进行全局搜索
3. 确保RSS监控器已运行一段时间累积数据

**Q: 如何提高搜索质量？**
A:
1. 配置NewsAPI等付费API
2. 添加更多RSS源
3. 调整相关性评分算法

### 日志查看

```bash
# 查看系统日志
tail -f data/search_system.log

# 查看RSS监控状态
python -c "from rss_monitor import RSSMonitor; print(RSSMonitor().get_monitor_status())"
```

### 数据库维护

```bash
# 查看统计信息
python -c "from database import DatabaseManager; print(DatabaseManager().get_statistics())"

# 手动检查RSS源
python -c "from rss_monitor import RSSMonitor; print(RSSMonitor().manual_check_source(1))"
```

## 🚀 性能优化

### 建议配置
- **CPU**: 2核心以上 (并行RSS处理)
- **内存**: 4GB以上 (大量文章缓存)
- **存储**: 10GB以上 (数据库和文档)
- **网络**: 稳定外网连接 (RSS和API访问)

### 扩展建议
1. **数据库**: SQLite → MySQL/PostgreSQL (大规模数据)
2. **搜索**: 基础匹配 → Elasticsearch (全文搜索)
3. **NLP**: 简单关键词 → BERT/GPT (语义搜索)
4. **缓存**: 无 → Redis (快速响应)

## 📞 技术支持

- **文档问题**: 检查RSS源状态和网络连接
- **搜索问题**: 查看日志文件定位错误
- **性能问题**: 调整监控频率和结果数量限制

系统设计为轻量级和容错性，单个组件故障不会影响整体功能。