# Satire News Scraper 知识体系

> 版本: 1.0.0
> 来源: Hunter 调研数据结构化整理
> 用途: 讽刺新闻抓取与短剧素材提取

---

## 1. 讽刺新闻数据源概览

### 1.1 目标网站矩阵

| 网站 | 国家 | 内容类型 | 政治倾向 | RSS状态 | 优先级 |
|------|------|----------|----------|---------|--------|
| The Onion | USA | 主流新闻讽刺 | 自由派 | ❌ 需网页抓取 | P0 |
| ClickHole | USA | 病毒内容讽刺 | 中立 | ✅ 可用 | P0 |
| Babylon Bee | USA | 保守/宗教讽刺 | 保守派 | ✅ 可用 | P1 |
| Reductress | USA | 女性媒体讽刺 | 进步/女权 | ✅ 可用 | P1 |
| The Hard Times | USA | 朋克文化讽刺 | 左翼/朋克 | ✅ 可用 | P1 |
| McSweeney's | USA | 文学幽默 | 自由派 | ✅ 可用 | P2 |
| The Beaverton | Canada | 加拿大新闻讽刺 | 自由派 | ✅ 可用 | P2 |
| Waterford Whispers | Ireland | 爱尔兰新闻讽刺 | 中立 | ✅ 可用 | P2 |

**RSS 可用率**: 7/8 (87.5%)

### 1.2 抓取技术方案

**RSS 模式（推荐，7个网站）**
```
格式: WordPress RSS 2.0 / FeedBurner Atom
更新频率: 每小时/每日
优势: 结构化数据，低资源消耗
```

**网页抓取模式（The Onion 必需）**
```javascript
{
  container: "article, .article-card, .post",
  title: "h2 a, h3 a, .headline a",
  link: "a[href*='/article/']",
  content: ".entry-content, .article-body",
  pagination: "infinite_scroll | numbered | load_more"
}
```

---

## 2. 讽刺类型分类体系

### 2.1 七大讽刺类型

| 类型 | 代表网站 | 核心特征 | 短剧适配度 |
|------|----------|----------|------------|
| **主流新闻讽刺** | The Onion | 死板式新闻格式、荒诞标题 | ★★★★★ |
| **病毒内容讽刺** | ClickHole | 列表、测验、点击诱饵 | ★★★★☆ |
| **保守派讽刺** | Babylon Bee | 宗教/右翼视角反转 | ★★★☆☆ |
| **女性媒体讽刺** | Reductress | 女性杂志风格、 relatability | ★★★★☆ |
| **亚文化讽刺** | The Hard Times | 朋克/DIY黑话、内部梗 | ★★★☆☆ |
| **文学幽默** | McSweeney's | 高品位、知识分子向 | ★★☆☆☆ |
| **国家特色讽刺** | Beaverton/Waterford | 地域文化视角 | ★★★☆☆ |

### 2.2 讽刺识别特征库

**死板式新闻格式 (Deadpan News)**
- 特征: AP风格导语、倒金字塔结构、引用虚构来源
- 示例: "Local Man..." 开头的标题
- 适配: 新闻播报式短剧

**荒诞反转 (Absurdist Twist)**
- 特征: 正常开头 → 超现实结尾
- 标记词: "shocked to discover", "unexpectedly", "tragically"
- 适配: 反转结局短剧

**过度夸张 (Hyperbole)**
- 特征: 极端化日常场景、放大到荒谬程度
- 标记: 数字夸张("37小时")、情绪夸张("devastated")
- 适配: 夸张喜剧

**反讽对比 (Irony)**
- 特征: 字面意思与真实意图相反
- 标记: 引号强调、"brilliant", "totally normal"
- 适配: 讽刺对话剧

---

## 3. 荒诞剧情识别方法论

### 3.1 荒诞指数评分算法

```
absurdity_score = (
  headline_satire_markers × 0.30 +
  content_absurdity_density × 0.25 +
  narrative_twist_strength × 0.25 +
  short_drama_adaptability × 0.20
) × 10
```

**分量详解**

| 分量 | 计算方式 | 高分特征 |
|------|----------|----------|
| headline_satire_markers | 命中讽刺标记词数量 | 2+ 个标记词 |
| content_absurdity_density | 荒诞元素 / 总字数 | > 10% |
| narrative_twist_strength | 反转意外程度 (1-5) | 4-5 级反转 |
| short_drama_adaptability | 场景/对话/冲突完整度 | 可直接改编 |

### 3.2 讽刺标记词库

**标题标记词 (Headline Markers)**
```
常见模式:
- "Local Man/Woman..."
- "Area [Profession]..."
- "Study Finds..."
- "Report: ..."
- "Breaking: ..."
- "Experts Say..."

情绪词:
- devastated, thrilled, horrified, shocked
- finally, reportedly, allegedly
```

**荒诞元素词库 (Absurdity Elements)**
```
超现实: time travel, aliens, talking animals, supernatural
夸张: 37 hours, $4 billion, entire family, everyone
反转: unexpectedly, turns out, little did they know
讽刺: brave, hero, genius, role model (反讽用法)
```

### 3.3 短剧潜力评估维度

| 维度 | 权重 | 评估标准 |
|------|------|----------|
| **场景可视性** | 25% | 能否在1-2个场景内呈现 |
| **对话丰富度** | 25% | 是否包含可直接使用的对话 |
| **冲突明确性** | 20% | 矛盾是否清晰可演绎 |
| **反转冲击力** | 20% | 结局是否有意外效果 |
| **表演可行性** | 10% | 是否需要特殊道具/特效 |

**短剧适配评级**
- A级 (8-10分): 可直接拍摄，几乎无需修改
- B级 (6-7.9分): 需要少量改编，调整对话
- C级 (4-5.9分): 需要大幅改写，提取核心笑点
- D级 (<4分): 不适合短剧改编

---

## 4. 荒诞元素提取规则

### 4.1 提取维度框架

```
Satire Article
├── source          # 来源信息
├── content         # 内容本体
│   ├── headline    # 标题（最关键）
│   ├── body        # 正文
│   └── category    # 分类标签
├── satire_analysis # 讽刺分析（核心）
│   ├── type        # 讽刺类型
│   ├── markers     # 命中标记词
│   ├── premise     # 荒诞前提
│   └── twist       # 反转/笑点
└── drama_elements  # 短剧元素
    ├── setting     # 场景设定
    ├── characters  # 人物设定
    ├── dialogue    # 可提取对话
    └── visual_gags # 视觉笑点
```

### 4.2 场景设定提取 (Setting)

**识别方法**
1. 从标题提取地点: "Local Man" → 通用小镇
2. 从内容提取具体场景: 办公室、家庭、公共场所
3. 识别时代背景: 现代、未来、复古

**场景分类**
| 类别 | 典型场景 | 提取标志 |
|------|----------|----------|
| domestic | 家庭客厅、厨房 | family, home, parents |
| workplace | 办公室、会议室 | office, boss, coworker |
| public | 餐厅、街头、商店 | restaurant, street, store |
| media | 新闻演播室、采访现场 | report, interview, press |
| absurd | 超现实场景 | 需根据内容构建 |

### 4.3 人物设定提取 (Characters)

**角色原型识别**
```
"Local Man" → 普通人、中年男性、有些笨拙
"Area Woman" → 普通女性、可能是Karen类型
"Experts" → 穿白大褂的权威形象
"Study Finds" → 科学家/研究员形象
```

**角色属性提取**
| 属性 | 提取来源 | 示例 |
|------|----------|------|
| 职业 | 标题/正文 | plumber, CEO, teacher |
| 性格 | 行为描述 | gullible, arrogant, naive |
| 状态 | 情绪词 | devastated, thrilled |
| 关系 | 提及的人物 | wife, boss, neighbor |

### 4.4 对话提取规则

**直接提取**
- 引号内的对话内容
- 采访形式的问答
- 声明/演讲内容

**间接转对话**
- 叙述转为角色独白
- 内心想法外化
- 动作配画外音

**对话适配原则**
1. 保留原文的核心笑点
2. 简化长句为口语化表达
3. 增加反应镜头和停顿
4. 添加视觉辅助笑点

### 4.5 视觉笑点识别 (Visual Gags)

**类型识别**
| 类型 | 描述 | 示例 |
|------|------|------|
| prop_gag | 道具笑点 | 夸张的物体、错位物品 |
| costume_gag | 服装笑点 | 不合时宜的穿着 |
| reaction_gag | 反应笑点 | 人物表情与情境不符 |
| juxtaposition | 并置笑点 | 两个不搭元素的组合 |

---

## 5. 短剧适配指南

### 5.1 改编策略矩阵

| 讽刺类型 | 最佳短剧形式 | 改编要点 |
|----------|--------------|----------|
| 死板式新闻 | 新闻播报讽刺 | 保留新闻格式，加入视觉错位 |
| 荒诞反转 | 情境喜剧 | 强化铺垫，突出反转 |
| 过度夸张 | 夸张喜剧 | 放大肢体表演，配合音效 |
| 反讽对比 | 对话讽刺剧 | 字面表演+画外音揭示真相 |

### 5.2 时长规划指南

**15秒短视频**
- 适用: 单笑点、视觉gag
- 结构: 铺垫5s + 笑点10s
- 来源: ClickHole列表项、Babylon Bee短标题

**60秒短剧**
- 适用: 简单情节反转
- 结构: 场景建立20s + 发展30s + 反转10s
- 来源: The Onion标准文章、Reductress短文

**3-5分钟短剧**
- 适用: 复杂讽刺、多幕结构
- 结构: 三幕式，每幕1-1.5分钟
- 来源: McSweeney's长文、多线索讽刺

### 5.3 本地化适配原则

**文化转换**
| 原文元素 | 本地化策略 | 示例 |
|----------|------------|------|
| 特定地名 | 替换为本地地名 | Des Moines → 石家庄 |
| 文化梗 | 替换为等效本地梗 | Thanksgiving → 春节 |
| 人名 | 使用本土化名字 | Brad → 张伟 |
| 政治讽刺 | 转为社会现象讽刺 | 党派 → 代际/职场 |

**语言风格调整**
- 保留原文的讽刺语气
- 转换为口语化短句
- 添加本土网络流行语
- 调整语速配合字幕

---

## 6. 常见陷阱和处理技巧

### 6.1 抓取阶段陷阱

| 陷阱 | 现象 | 解决方案 |
|------|------|----------|
| The Onion RSS失效 | 404 或空feed | 切换至网页抓取模式 |
| 内容截断 | RSS只返回摘要 | 抓取详情页完整内容 |
| 编码问题 | 特殊字符乱码 | 强制UTF-8解码 |
| 反爬限制 | IP被封 | 降低频率至20req/min，使用代理池 |

### 6.2 内容分析陷阱

| 陷阱 | 现象 | 解决方案 |
|------|------|----------|
| 真新闻误判 | 现实比讽刺更荒诞 | 交叉验证其他来源 |
| 时效性过时 | 政治事件已过时 | 检查发布日期，优先近7天 |
| 文化壁垒 | 美式梗难以理解 | 标记culture_specific，谨慎选用 |
| 政治敏感性 | 涉及敏感话题 | 过滤或大幅改写 |

### 6.3 短剧改编陷阱

| 陷阱 | 现象 | 解决方案 |
|------|------|----------|
| 笑点依赖文字 | 视觉表现力弱 | 添加视觉gag和反应镜头 |
| 需大量背景知识 | 观众看不懂梗 | 简化或添加解释性画面 |
| 表演难度过高 | 需要特殊场景/道具 | 替换为等效简单场景 |
| 版权问题 | 直接搬运风险 | 提取框架，完全改写具体内容 |

### 6.4 最佳实践

**抓取频率**
```
P0网站: 每2小时检查
P1网站: 每4小时检查  
P2网站: 每日检查一次
```

**内容筛选流水线**
```
抓取 → 去重 → 质量评分 → 短剧适配评分 → 人工复核 → 入库
```

**质量门槛**
- absurdity_score > 6.0 进入候选
- 短剧适配评级 B级以上优先改编
- 政治敏感内容人工过滤

---

## 附录: 快速参考

### A. RSS Feed 速查表
```
ClickHole:      https://clickhole.com/feed/
Babylon Bee:    https://babylonbee.com/feed/
Reductress:     https://reductress.com/feed/
The Hard Times: https://thehardtimes.net/feed/
McSweeney's:    http://feeds.feedburner.com/mcsweeneys
The Beaverton:  https://www.thebeaverton.com/feed/
Waterford:      https://waterfordwhispersnews.com/feed/
```

### B. 荒诞指数速判标准
- 8-10分: 标题即可改编，立即入库
- 6-7分: 需阅读正文评估，大概率可用
- 4-5分: 边缘案例，需人工判断
- <4分: 跳过

### C. 改编检查清单
- [ ] 笑点不依赖过多背景知识
- [ ] 可在1-2个场景内完成
- [ ] 有明确的视觉呈现点
- [ ] 时长符合目标平台
- [ ] 已做本地化处理

---

*文档版本: 1.0.0 | 生成时间: 2026-03-25*