EDB Circular Vault — 教育局通告 Open Data 索引

為香港教育界提供永久可訪問的 EDB 通告 metadata 索引

為何有這個 project？

教育局通告站(applications.edb.gov.hk/circular/circular.aspx?langno=2)只保留過去 360 日（一年）的通告，過期即清除。對於需要跨年比較、查找過往政策的教師、行政主任、政策研究員而言，這個 retention 不足。

本工具透過雙軌架構,將 EDB 通告永久 archive:

• GitHub(本 repo):託管 metadata(data/metadata.json + data/circulars.csv),以 CC0 1.0 公開
• Internet Archive:永久 mirror EDB 原始 PDF,透過 archive.org/details/edb-circulars-<year> 提供永久訪問

GitHub 不 host 任何 PDF，所有 PDF 連結到 Internet Archive。私隱 + 法律風險歸零。

通告摘要站（GitHub Pages MVP）

繁中靜態列表（教師／家長）：AI／自動摘要 + 連去 EDB／IA，不 host PDF。

• 本地預覽：cd docs && python3 -m http.server 8080 → http://127.0.0.1:8080/
• 建資料：python3 tools/pages_build.py --summaries-dir /path/to/summaries --out docs/data --write-individual
• 啟用說明：docs/PAGES.md
• 計劃：Pages-first；Telegram 可選（見 docs/telegram-notify.md）
• 同步建議（HKT）：08:45 及 18:45；即使沒有新通告都要 rebuild Pages 以更新 last_synced_at（見 docs/PAGES.md）

---

點樣用?

查通告

• 瀏覽:data/circulars.csv(spreadsheet view, 187 份繁中通告,過去 360 日)
• JSON API:data/metadata.json(結構化, 對應 data/schema/metadata.schema.json)
• GitHub 搜尋:用 GitHub 內置搜尋 box 查 data/circulars.csv
• Command line:

  grep "公民教育" data/circulars.csv

拎 PDF

任何 circular 的 source_url 對應 EDB 站 PDF；archive_url 對應 Internet Archive 永久 mirror。Internet Archive 上有原檔 + IA 自動生成的衍生檔（OCR text, thumbnails, etc.）。

本地 mirror

# 從 Internet Archive 下載所有 PDF 落本地
python3 tools/ia_uploader.py --download-only

# 或從 EDB 站直接 scrape
python3 tools/scraper.py --days 360 --lang zh-HK

點樣 contribute?

報錯 metadata

• 用 Issue template 報錯某份通告的 metadata(標題、日期、分發組別等)
• 或直接 PR 修改 data/metadata.json

翻譯 / 改良 docs

• PR 到 docs/ (繁中為主,歡迎英文版)
• 修正 README、FAQ、schema 的錯別字

改良 scraper

• PR 到 tools/scraper.py
• 加新 features(例如:LLM 主題標註、新 language support)

上載 PDF 落 Internet Archive

• 註冊 IA account: https://archive.org/account
• 攞 S3 keys: https://archive.org/account/s3.php
• 設定 env: IA_ACCESS_KEY / IA_SECRET_KEY
• 跑: python3 tools/ia_uploader.py --input data/snapshots/full_360d_zh-HK.json

點樣 build?

安裝依賴

# Python 3.12+
pip install --user internetarchive  # 只 IA uploader 需要
# tools/ 全部其他 scripts 係 stdlib only
# tools/scraper.py 需要 beautifulsoup4 + lxml
pip install --user beautifulsoup4 lxml

跑 scraper(增量, default 7 日)

python3 tools/scraper.py

跑 scraper(完整 360 日, --force 重 scrape)

python3 tools/scraper.py --days 360 --force --lang zh-HK

Validate metadata

python3 tools/validate.py data/schema/metadata.schema.json data/metadata.json

License

• data/ 內的 metadata：CC0 1.0 Universal — 放棄我們部分版權，任何人都可商業 / 非商業 reuse
• tools/ 及 docs/ 內的 source code / 文檔：MIT License
• EDB 通告 PDF 本身:© 教育局版權所有,透過 Internet Archive mirror 供 archive / 研究用途

資料來源

• 香港特別行政區教育局
• Internet Archive
• Project plan: v0.2

免責聲明

本工具為非官方 open data 索引工具,與教育局無關。

如發現資料與 EDB 官網不一致,以 EDB 官網為準。本工具開發者不對因使用本工具而產生的任何損失負責。

Internet Archive 的 mirror 雖永久但非 100% 保證，建議用戶自備本地備份（用 tools/scraper.py）。

開發者

由獨立開發者於 2026 年 6 月開始,作為香港教育界 open data contribution 的個人項目。

如有問題或建議,請開 Issue。

Telegram 通告速報（非官方，MVP）

自動繁中摘要 → Telegram Channel。詳見 docs/telegram-notify.md。

本地執行環境暫時以 watch 目錄為準；tools/llm_summarize.py、tools/telegram_notify.py、tools/notify_pipeline.py 已同步。設定 EDB_WATCH_ROOT 指向有 queue/、metadata/、pdfs/ 的目錄。

不會在本 repo 存放 TELEGRAM_BOT_TOKEN／API keys。