《新闻联播》每日抓取入库：全链路 + 可移植化 + 定时任务

从 CCTV 主页抓取《新闻联播》，下载 → 转 MP3/WAV → 静音切分 → ASR 识别
→ LLM 校对 → 切分为单条新闻 → 入库 MySQL。

主要内容：
- 全链路：getVideo5 抓取下载、audioRead 转写、deepseek 校对与切分、newsProcess 入库
- 可移植化：配置分层，.env 只放密钥、config.yml 放模型/接入点/路由/参数
- 可换供应商：endpoints（kind/base_url/api_key_env/extra_body）+ routes 按环节选路
- 数据保真：数值事实守卫，校对改动数字/年份/届次则整片回退 ASR 原文；
  识别不完整不发布该日精编，避免半天内容被当成完整一天
- 定时任务：systemd 每天 21:00，失败 21:30 / 22:00 重试；
  只缺切分时只重跑切分（省掉全部 ASR），用 state/.asr_complete_* 标记判定阶段
- 隧道自愈：13306 不通时自动执行 autossh.sh（所有入口共用，systemd 托管时只等待）
- 中间产物每日清理；97 项离线自检（配置/清理/事实守卫/解析/隧道）

tests/test_news_parse.py

@@ -0,0 +1,84 @@
+"""newsProcess 解析逻辑回归测试（不依赖 pytest，直接运行）
+
+    python tests/test_news_parse.py
+
+覆盖 docs/BUGS.md B3 在生产日志中出现过的真实失败形态：
+- ```json 围栏包裹
+- 前后夹杂解释文字
+- {"news": [...]} / {"1": {...}, ...} 等对象包装
+- 数组里混入字符串元素（原实现报 `string indices must be integers`）
+- 输出被截断（无法修复时必须显式失败，交由重试，而不是静默写坏数据）
+"""
+import sys
+from pathlib import Path
+
+sys.path.insert(0, str(Path(__file__).resolve().parent.parent))
+
+from newsProcess import extract_news_rows, normalize_date  # noqa: E402
+
+DATE = '2026-09-23'
+GOOD = '{"news_id": 1, "news_title": "标题一", "news_content": "正文一"}'
+GOOD2 = '{"news_id": 2, "news_title": "标题二", "news_content": "正文二"}'
+
+CASES = [
+    # (名称, 原始响应, 期望条数)
+    ("纯数组", f'[{GOOD}, {GOOD2}]', 2),
+    ("```json 围栏（生产实测）", f'```json\n[{GOOD}, {GOOD2}]\n```', 2),
+    ("``` 无语言标记", f'```\n[{GOOD}]\n```', 1),
+    ("前后夹解释文字", f'好的，结果如下：\n[{GOOD}, {GOOD2}]\n以上。', 2),
+    ("对象包装 news 键", f'{{"news": [{GOOD}, {GOOD2}]}}', 2),
+    ("对象包装 数字键", f'{{"1": {GOOD}, "2": {GOOD2}}}', 2),
+    ("数组混入字符串（原 string indices 报错）", f'["垃圾", {GOOD}, 123, {GOOD2}]', 2),
+    ("条目缺 news_content 被跳过", f'[{GOOD}, {{"news_id": 9, "news_title": "空"}}]', 1),
+    ("news_id 非数字回退序号", '[{"news_title": "t", "news_content": "c"}]', 1),
+]
+
+FAIL_CASES = [
+    ("空响应", ""),
+    ("非 JSON", "今天的新闻联播主要内容有……"),
+    ("被截断（生产实测 Unterminated string）", '{"news": [{"news_id": 1, "news_title": "标题", "news_content": "正文未结束'),
+    ("单条新闻对象（无列表）", GOOD),
+    ("所有条目都无正文", f'[{{"news_id": 1, "news_title": "只有标题"}}]'),
+    ("空数组", "[]"),
+]
+
+
+def main():
+    failed = 0
+
+    for name, raw, expected in CASES:
+        try:
+            rows = extract_news_rows(raw, DATE)
+            assert len(rows) == expected, f"期望 {expected} 条，实际 {len(rows)} 条"
+            for row in rows:
+                assert row['news_date'] == DATE
+                assert isinstance(row['sub_id'], int)
+                assert row['news_content'].strip()
+                assert len(row['news_title']) <= 256
+            print(f"  ✓ {name} -> {len(rows)} 条")
+        except Exception as e:
+            failed += 1
+            print(f"  ✗ {name}: {type(e).__name__}: {e}")
+
+    for name, raw in FAIL_CASES:
+        try:
+            rows = extract_news_rows(raw, DATE)
+            failed += 1
+            print(f"  ✗ {name}: 本应失败，却解析出 {len(rows)} 条")
+        except ValueError as e:
+            print(f"  ✓ {name} -> 按预期抛 ValueError（触发重试）: {str(e)[:48]}")
+        except Exception as e:
+            failed += 1
+            print(f"  ✗ {name}: 抛出了非 ValueError: {type(e).__name__}: {e}")
+
+    # 日期归一化
+    assert normalize_date('20260923') == DATE
+    assert normalize_date(DATE) == DATE
+    print("  ✓ 日期归一化 20260923 / 2026-09-23")
+
+    print(f"\n结果: {'全部通过' if failed == 0 else f'{failed} 项失败'}")
+    return 1 if failed else 0
+
+
+if __name__ == '__main__':
+    sys.exit(main())