网页转Markdown文件
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_7dad1172/save-url-as-md。
技能介绍
要解决的问题
把网页转成 Markdown 用于归档时,常见的失败点在于:正文选择器不准导致导航、广告混入;下载后的图片路径与文章所在目录不一致,换个位置就断链;以及不同站点的标题层级、列表标记、表格与行内 HTML 混用,导致直接保存的文件即使在本地可读,也很难纳入知识库或进行版本管理。
技能如何工作
- 核心能力:把给定的
URL转换为本地的.md文件,并将页面中的图片下载到本地,统一使用相对路径引用,便于离线查看与迁移。 - 转换脚本:接收 URL 作为输入;如果页面结构复杂,可用
--selector指定正文的 CSS 选择器;脚本首次运行需要安装依赖(会准备 Playwright 浏览器),因此启动会略慢。 - 输出信息:脚本运行结束后,会明确告知生成的 Markdown 路径、实际使用的正文选择器,以及成功下载的图片数量。
- 读回与整理:使用 Read 工具读取生成的文件,根据 SKILL.md 的规范严格只做格式整理:修复标题层级跳级、压缩多行空行、统一列表标记为
-、给代码块补齐语言标识、修复错乱表格、将残留的行内 HTML(如<strong>)转为等价 Markdown、修正链接写法,并确保图片仍是images/xxx相对路径。 - 保存并报告:使用 Write 工具将结果落盘回原文件,随后向用户回报路径、图片存放位置与一句话内容概要。
适用边界和注意点
- 严禁改写内容:整理阶段不能翻译、扩写、删减或重写段落,也不能添加原文没有的信息;如果你需要摘要或翻译,应单独处理,而不是在转换流程里做。
- 登录与权限:脚本执行结束时如果页面要求登录才能查看完整内容(如必须扫码或 SSO),需要明确告知用户无法自动抓取。
- 静态与动态页面:Playwright 会渲染 JS,纯静态页面也可以正常工作。
- 选择器与维护:自动正文识别不准确时,就应当提供
--selector参数手动指定目标容器。 - 图片抽取限制:切片层级复杂、懒加载异常或图片位于复杂 CSS 背景下的页面,要检查
images/目录后再确认转换成功。 - 同时处理多个 URL:当前资料没有明确说明批量并发能力,建议按逐个 URL 串行执行避免任务冲突。
使用场景
- 需要把长篇技术博客文章原样保存为本地 Markdown 文件进行离线归档时
- 历史论坛贴需要存档且要求图片使用相对路径引用以保证链接不断时
- 遇到不支持命令行抓取的 SPA 网站,需要抓取正文与图片时
- 需要将即将失效的官方文档原封不动转换成带图片的 Markdown 文档时
适合人员
- 产品经理需要将外部竞品报告原样保存下来以便离线查阅
- 数据分析师需要把公开网页资料保存到本地数据库做知识整理
- 前端工程师需要离线归档第三方接口文档与社区技术文章
- 技术写作者需要将在线预案提取并发布到静态站点做本地化分享