| name | gr-zhihu-scraper |
| description | 网页剪藏工具 - 抓取知乎回答/专栏文章或通用网页，保存为 Markdown。 支持知乎回答（zhihu.com/question/.../answer/...）、知乎专栏（zhuanlan.zhihu.com/p/...）， 以及微信公众号、博客、新闻等各类网页。 触发词：知乎、zhihu、剪藏、网页转MD、保存文章、网页剪藏、抓取链接。
|
Zhihu Scraper —— 网页剪藏 Skill
概述
将任意网页文章保存为本地 Markdown 文件，支持：
- 知乎内容：知乎回答、知乎专栏文章（需要配置 Cookie）
- 通用网页：微信公众号、博客、新闻等（直接抓取）
- Obsidian 模板：输出包含 frontmatter 的双向链接格式
- 配图下载：自动下载正文配图，过滤 logo/广告等无关图片
触发条件
满足以下任意一条即激活本 Skill：
- 用户发送了包含
zhihu.com 或 zhuanlan.zhihu.com 的链接
- 用户发送了其他网页 URL（微信公众号、博客、新闻等）
- 用户说："剪藏这个"、"网页转 Markdown"、"保存这篇文章"、"抓取链接"
网站分类
| 网站类型 | 抓取方式 | Cookie |
|---|
| 知乎 | Playwright 浏览器 + Cookie | 需要 |
| 其他网站 | newspaper3k 直接请求 | 不需要 |
工作流程
【首次运行】自动配置提示
首次运行时，脚本会自动打印配置提示，包括：
- Cookie 配置说明（仅知乎需要）
- 当前保存路径（可告诉AI修改）
流程一：配置知乎 Cookie（如未配置）
知乎有反爬限制，首次使用需要配置 Cookie：
- 在 Chrome 中打开并登录 zhihu.com
- 按 F12 打开开发者工具，切到 Network（网络） 选项卡
- 刷新页面，点击任意
www.zhihu.com 的请求
- 在右侧 Request Headers 中找到
cookie: 字段
- 复制冒号后面的整段字符串
- 告诉 AI："保存我的知乎 Cookie"，然后把字符串粘贴给 AI
流程二：抓取网页内容
-
运行抓取脚本：
<python> "<skill_dir>/scripts/scrape.py" "<URL>"
-
检查脚本输出：
- 知乎 URL 若出现
=== COOKIE_NEED === → 引导用户配置 Cookie
- 若出现
"has_code": true → 文章包含代码，需要 AI 格式化
- 若出现
--- METADATA_JSON --- → 抓取成功
-
AI 后处理（如检测到代码）：
- 读取抓取的 Markdown 文件
- 识别代码块并优化格式（语言标注、缩进、语法高亮）
- 重写文件
-
向用户汇报结果（保存路径、标题、作者）
输出文件格式
Markdown 文件（Obsidian 双向链接模板）
---
title: "文章标题"
source: "https://example.com/article"
author:
- "作者名"
published: 2026-04-27
created: 2026-04-27
description: "文章描述..."
tags:
- ""
status: inbox
---
# 文章标题
## 核心要点
正文内容...
## 与我的工作关联
-
## 行动项
- [ ]
路径配置
脚本顶部常量可按需修改：
DEFAULT_OUTPUT_DIR = Path(r"\网页剪藏")
DEFAULT_IMAGES_DIR = Path(r"\网页剪藏\配图")
注意事项
| 情况 | 处理方式 |
|---|
| Cookie 文件不存在 | 引导用户按流程配置（仅知乎需要） |
| 正文提取失败 | Cookie 可能过期，或网站反爬限制 |
| 标题含特殊字符 | 脚本自动清理，生成合法文件名 |
| 同名文件已存在 | 自动在文件名末尾追加时间戳 |
| 通用网页抓取失败 | newspaper3k 限制，部分网站可能失败 |
脚本参数
python scrape.py <URL> [选项]
参数:
URL 知乎回答/文章 URL 或其他网页 URL
选项:
--output, -o <目录> 输出目录（默认：剪藏入库目录）
--save-cookie <字符串> 保存知乎 Cookie（仅首次需要）
--simple 使用简洁模板而非 Obsidian 模板
脚本位置
scripts/scrape.py —— 核心脚本
更新日志
| 日期 | 更新内容 |
|---|
| 2026-04-27 | v2.1 - 首次运行自动打印Cookie和路径配置提示 |
| 2026-04-27 | v2.0 - 融合通用网页抓取，添加 Obsidian 模板 |
