web-article-extractor

name	web-article-extractor
description	使用 Chrome DevTools MCP 提取网页正文、保存 Markdown、下载文章图片或分析页面结构时调用。适用于博客、新闻站、微信公众号等文章页面；当用户要求“提取文章”“抓网页正文”“保存为 markdown”“连图片一起保存”时使用。

Web Article Extractor

目标很简单：先拿到干净正文，再按用户需要决定输出成纯文本、结构化 JSON，还是 Markdown + 图片。

前置条件

确保已配置 chrome-devtools MCP 服务器：

claude mcp add chrome-devtools npx -y chrome-devtools-mcp@latest -- \
  --disable-blink-features=AutomationControlled \
  --disable-web-security \
  --disable-features=IsolateOrigins,site-per-process

基本原则

• 默认优先 Readability.js，不要一上来就手写大段选择器。
• 用户要的是“保存为 Markdown”时，不要只返回正文字符串，直接走 Markdown 导出链路。
• 遇到公众号、知乎这类安全限制页面，再读平台专用说明，不要把平台细节堆在主流程里。
• 多链接批量提取时，串行处理，避免风控。

选择哪条提取路径

1. 普通网页正文提取

默认走：

• 脚本：scripts/readability_extractor.js
• 需要细调参数时再读：
  • references/readability-guide.md
  • references/config-options.md

适用场景：

• 提取博客、新闻、专栏正文
• 返回标题、作者、正文、图片、阅读时长等结构化信息

2. 导出为 Markdown，并尽量保留图片

直接走：

• 转换脚本：scripts/markdown_converter.js
• 图片落盘脚本：scripts/save_with_images.js
• 使用说明：
  • references/markdown_usage.md

适用场景：

• 用户明确说“保存成 markdown”
• 需要把图片下载到本地并重写 Markdown 图片路径

3. Readability 不稳定，改走轻量提取或手工选择器

何时切换到回退路径：

• Readability 返回的 content 字段为空或字数 < 100