Web Reader

智能网页阅读器：抓取文章（图文）→ 归档到指定目录 → 分析/摘要/衍生。

工作流程

Phase 1: 下载原文（优先执行）

当用户提供 URL 并要求下载/保存/抓取/分析时，先下载原文。

Step 1: 确定归档路径

检查用户是否配置了归档目录。读取 ~/.claude/web-reader.json：

{
  "archive_dir": "/Volumes/Keybase (m4)/private/biggerbear/文档/微信摘录",
  "categories": ["AI漫剧短剧", "AI工具与技术", "OpenClaw", "开发技术", "商业与产品", "飞书文档"]
}

如果配置文件不存在，使用 ~/Documents/docs/ 作为默认归档目录。

Step 2: 抓取文章

python3 {SKILL_DIR}/fetcher.py "URL" -o "ARCHIVE_DIR" --category "CATEGORY"

对于需要 JavaScript 渲染的页面（返回 "JavaScript enabled" 错误），升级为浏览器模式：

# 先尝试 scrapling fetch（浏览器）
scrapling extract fetch "URL" /tmp/article.md --network-idle

# 如果仍失败，用 camoufox
python3 {SKILL_DIR}/fetcher.py "URL" -o "ARCHIVE_DIR" --method camoufox --category "CATEGORY"

Step 3: 处理微信图片

对于微信公众号文章（mp.weixin.qq.com），fetcher.py 自动处理 data-src 图片。如果自动处理失败（图片为空 ![]() 占位符），手动处理：

用 scrapling 获取 HTML：scrapling extract get "URL" /tmp/wx.html -s "#js_content"
从 HTML 中提取 data-src="https://mmbiz.qpic.cn..." URL
下载图片到 ARCHIVE_DIR/CATEGORY/SLUG/ 目录
替换 markdown 中的空占位符为本地路径

Step 4: 自动分类

根据文章内容判断分类。参考分类关键词：

AI漫剧短剧: 漫剧, 短剧, 动漫, seedance, AI视频创作
AI工具与技术: AI工具, 大模型, scrapling, agent, API, 技术方案
OpenClaw: openclaw, claude code, agent team
开发技术: flutter, 编程, 开发, 逆向, IDE, 部署
商业与产品: 产品分析, 商业模式, 市场, 付费, 创业
飞书文档: feishu.cn 域名

如果不确定分类，询问用户选择或创建新分类。

Step 5: 确认结果

输出归档信息：

文章标题
保存路径
图片数量
分类

Phase 2: 后续探索（用户触发）

文章下载完成后，等待用户指令：

| 指令 | 动作 | |------|------| | 分析 | 阅读文章全文，提取核心观点、论据、方法论，给出结构化分析 | | 摘要 | 生成 3-5 句话的精炼摘要，保留关键数据和结论 | | 总结 | 按章节列出要点，适合快速回顾 | | 衍生 | 基于文章内容，提出可以进一步探索的方向、相关话题、实践建议 | | 提炼 | 提取可直接复用的方法、工具、配置、代码片段 | | 对比 | 与之前下载的其他文章进行对比分析（需指定对比目标） | | 洗稿 | 基于原文重写，保留核心信息但完全改写表述（配合 /wxpub 使用） |

执行分析时，直接读取归档的 markdown 文件，不需要重新抓取。

智能路由

| 平台 | 方法 | 说明 | |------|------|------| | mp.weixin.qq.com | scrapling | 提取 data-src 图片，处理 SVG 占位符 | | *.feishu.cn | 虚拟滚动 | 滚动采集内容块，浏览器内下载图片 | | zhuanlan.zhihu.com | scrapling | .Post-RichText 选择器 | | www.zhihu.com | scrapling | .RichContent 选择器 | | www.toutiao.com | scrapling | 处理 toutiaoimg base64 占位符 | | www.xiaohongshu.com | camoufox | 反爬需要隐身浏览器 | | www.weibo.com | camoufox | 反爬需要隐身浏览器 | | bilibili.com / b23.tv | yt-dlp | 视频下载 | | youtube.com / youtu.be | yt-dlp | 视频下载 | | douyin.com | yt-dlp | 视频下载 | | 其他 URL | scrapling | 通用抓取，三级降级策略 |

安装依赖

按需安装：

| 依赖 | 用途 | 安装 | |------|------|------| | scrapling | 文章抓取 | pip install scrapling | | yt-dlp | 视频下载 | pip install yt-dlp | | camoufox | 反检测浏览器 | pip install camoufox && python3 -m camoufox fetch | | html2text | HTML 转 Markdown | pip install html2text |

CLI 参考

python3 {SKILL_DIR}/fetcher.py [URL] [OPTIONS]

参数:
  url                    要抓取的 URL

选项:
  -o, --output DIR       输出目录（默认: 当前目录）
  -q, --quality N        视频质量（默认: 1080）
  --method METHOD        强制方法: scrapling, camoufox, ytdlp, feishu
  --selector CSS         强制 CSS 选择器
  --urls-file FILE       URL 列表文件（每行一个，# 注释）
  --audio-only           仅提取音频
  --no-images            跳过图片下载
  --cookies-browser NAME 浏览器 cookies（如 chrome, firefox）
  --category NAME        归档子目录名
  --json-output          JSON 格式输出（程序化调用）

配置

创建 ~/.claude/web-reader.json 配置归档目录：

{
  "archive_dir": "~/Documents/docs/articles",
  "categories": ["技术", "产品", "行业"]
}

平台特殊处理

微信公众号

图片使用 data-src 属性 + mmbiz.qpic.cn
可见 <img> 是 SVG 懒加载占位符
图片下载需要 Referer: https://mp.weixin.qq.com/ 请求头

飞书文档

虚拟滚动：滚过的内容会从 DOM 移除
注入 JS 采集器在滚动过程中捕获 [data-block-id] 内容块
图片 401：必须在浏览器上下文内用 fetch(url, {credentials: 'include'}) 下载

Bilibili

短链 (b23.tv) 自动解析
大会员内容用 --cookies-browser chrome

故障排除

| 问题 | 解决方案 | |------|----------| | 页面需要 JavaScript | 用 --method camoufox 或先 scrapling extract fetch | | 微信图片为空 | 手动从 HTML 提取 data-src URL | | 飞书返回登录页 | 文档可能需要认证 | | B站 403 | 用 --cookies-browser chrome | | 内容太短 | 尝试 --method camoufox |