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
回退路径：
- 轻量提取脚本：
scripts/extract_article.js - 选择器参考：
- references/selector_patterns.md - references/platform-specific.md
适用场景：
- 页面 DOM 很怪，Readability 抽不准
- 需要按平台特征补自定义选择器
标准流程
1. 打开页面并等待正文稳定
- 导航到目标 URL
- 等页面加载完成
- 如果正文节点迟迟不出现，额外等 2-3 秒再提取
2. 先判断输出形态
- 用户只要“看内容”：
- 提取正文并直接返回摘要/结构化内容
- 用户要“保存为 Markdown”：
- 直接走 markdown_converter.js + save_with_images.js
- 用户要“分析页面结构”：
- 先读 references/selector_patterns.md
3. 微信公众号特殊处理
只有在目标页面确实是公众号链接时，才启用特殊处理：
- 优先读 references/platform-specific.md
- 必要时模拟微信
User-Agent - 必要时追加等待逻辑，确保
#js_content真正加载完成
不要把公众号逻辑默认套在所有网页上。
输出要求
纯提取结果
至少包含：
titleauthorcontenturlwordCount
Markdown 输出
至少包含：
- 正文
.md - 图片资源目录或本地图片文件
- 图片路径已回写到 Markdown
参考资料导航
- Readability 原理与限制：
- references/readability-guide.md
- Readability 可调参数：
- references/config-options.md
- 平台专用说明：
- references/platform-specific.md
- Markdown 保存链路：
- references/markdown_usage.md
- 常见选择器模式：
- references/selector_patterns.md
- 实际调用示例：
- references/usage_examples.md
- 提取成功率与排错：
- references/best-practices.md
脚本清单
scripts/readability_extractor.js
- 主提取脚本，默认入口
scripts/readability_loader.js
- 负责在运行时加载提取逻辑
scripts/extract_article.js
- 轻量回退提取器
scripts/markdown_converter.js
- 转成 Markdown 数据结构
scripts/save_with_images.js
- 下载图片并落盘
scripts/Readability.js
- Readability 运行库，不直接改调用方式
常见问题
- 需要登录的内容：
- 使用已登录浏览器实例，不要假设匿名可读
- 公众号提示“请在微信中打开”：
- 先读 references/platform-specific.md，不要直接硬改全局流程
- 提取失败或内容不完整：
- 先读 references/best-practices.md，再决定是否切换到 extract_article.js