fix: 修复补跑误含 cninfo 三步与时区不一致 (P1-2/P1-3)

- P1-2: 提取 DEFAULT_NEWS_STEPS(全链路去 report+cninfo),定时/补跑/默认三处统一;
  启动补跑不再误执行 cninfo 公告管道
- P1-3: 新增 scheduler/timeutil.py(调度时区统一入口,SCHEDULE_TZ 可覆盖,
  默认 Asia/Shanghai);run_scheduler 定时/补跑/--once、crawler 补跑保护、
  reporter 兜底日期全部改用调度时区,避免系统时区非上海时日期错位
- 新增 6 个测试;全量 282 passed

scheduler/__init__.py

@@ -7,6 +7,7 @@
 """
 
 from .pipeline import (
+    DEFAULT_NEWS_STEPS,
     STEP_COMMANDS,
     STEP_TIMEOUTS,
     PipelineResult,
@@ -16,6 +17,7 @@ from .pipeline import (
 )
 
 __all__ = [
+    "DEFAULT_NEWS_STEPS",
     "STEP_COMMANDS",
     "STEP_TIMEOUTS",
     "PipelineResult",

scheduler/pipeline.py

@@ -16,11 +16,13 @@ import os
 import subprocess
 import time
 from dataclasses import dataclass, field
-from datetime import date, datetime
+from datetime import datetime
 from pathlib import Path
 
 from loguru import logger
 
+from .timeutil import today_str
+
 # 断点状态文件(按日期隔离,记录每步骤结果)
 DEFAULT_STATE_PATH = Path("data/pipeline/state.json")
 
@@ -74,6 +76,14 @@ STEP_COMMANDS: dict[str, list[str]] = {
     "cninfo_pdf":     ["uv", "run", "a-share", "cninfo", "--enrich-pdf", "--pdf-limit", "100"],
 }
 
+# 新闻链路默认步骤:全链路除去 report(单独追加)与 cninfo 独立管道(P1-2:
+# 补跑/定时任务若误含 cninfo 三步,会重复执行整套公告管道,且 cninfo_crawl
+# 无 --date 参数,补跑历史日期时会静默空转)。
+DEFAULT_NEWS_STEPS: list[str] = [
+    k for k in STEP_COMMANDS
+    if k not in ("report", "cninfo_crawl", "cninfo_extract", "cninfo_pdf")
+]
+
 
 @dataclass
 class StepResult:
@@ -223,7 +233,8 @@ def run_step(name: str, date_str: str) -> StepResult:
     # 补跑保护:抓取类步骤只能产生当天数据(网站首页只含当前内容,历史文章已滚走),
     # 补跑历史日期时跳过抓取并告警,复用已有 data/raw/*/{date_str} 数据。
     # 注意:仅保护 crawler; xwlb 走 API 支持任意历史日期,无需跳过。
-    if name == "crawler" and date_str != date.today().strftime("%Y%m%d"):
+    # "今天"按调度时区判定(P1-3),避免系统时区与 cron 时区不一致时错判。
+    if name == "crawler" and date_str != today_str():
         started = datetime.now()
         logger.warning(
             "补跑模式:首页只含当天内容,无法补抓 {};跳过抓取,复用已有 data/raw/*/{}",
@@ -330,7 +341,7 @@ def run_pipeline(
                   记录,跳过连续成功的步骤,从第一个失败/未执行步骤继续。
         state_path: 断点状态文件路径(测试可注入)。
     """
-    names = steps or [k for k in STEP_COMMANDS if k not in ("report", "cninfo_crawl", "cninfo_extract", "cninfo_pdf")]
+    names = steps or list(DEFAULT_NEWS_STEPS)
     result = PipelineResult(started_at=datetime.now())
 
     state = _load_pipeline_state(state_path)

scheduler/reporter.py

@@ -1056,7 +1056,10 @@ def generate_report(day_str: str | None = None, *, upload: bool = True) -> int |
     `upload` 参数保留以兼容 scheduler/pipeline.py 调用，已无实际作用。
     返回 report_id（成功）或 None（无数据/失败）。
     """
-    day_str = day_str or date.today().strftime("%Y%m%d")
+    # 兜底日期按调度时区取(P1-3),与 pipeline 传入的 date_str 语义一致
+    if not day_str:
+        from .timeutil import today_str
+        day_str = today_str()
     logger.info("生成日报: {}", day_str)
 
     # 收集数据

scheduler/timeutil.py

@@ -0,0 +1,36 @@
+"""调度时区工具。
+
+背景(P1-3):
+    定时任务 cron 触发时区与"今天"的判定必须一致。此前 cron 用
+    Asia/Shanghai,而 `date.today()` / `datetime.now()` 取系统时区——
+    若系统时区不是 Asia/Shanghai(如 UTC),07:00 上海(=前一日 23:00 UTC)
+    触发时 `date.today()` 会返回错误日期,整条 pipeline 落在错日目录。
+
+统一入口:
+    schedule_tz(): 调度时区(env SCHEDULE_TZ 可覆盖,默认 Asia/Shanghai)
+    today_str():   按调度时区返回 YYYYMMDD
+"""
+
+from __future__ import annotations
+
+import os
+from datetime import datetime
+from zoneinfo import ZoneInfo
+
+# 默认调度时区(与 .env 的 SCHEDULE_TIMES 语义一致)
+DEFAULT_SCHEDULE_TZ = "Asia/Shanghai"
+
+
+def schedule_tz() -> ZoneInfo:
+    """调度时区(env SCHEDULE_TZ 可覆盖,默认 Asia/Shanghai)。"""
+    return ZoneInfo(os.environ.get("SCHEDULE_TZ") or DEFAULT_SCHEDULE_TZ)
+
+
+def now() -> datetime:
+    """当前时刻(调度时区,aware)。"""
+    return datetime.now(schedule_tz())
+
+
+def today_str() -> str:
+    """按调度时区返回今天的 YYYYMMDD。"""
+    return now().strftime("%Y%m%d")