网页剪藏

问题

很多网页分析任务的第一步，是把散落在 HTML 里的正文变成可保存、可检索的文本。直接复制正文会混入导航、广告、侧边栏和脚本片段；手工整理又难以保持一致。对于后续要做摘要、清洗或知识沉淀的场景，缺少一个稳定的网页到 Markdown 的中间步骤。

工作方式

cn-web-clipper 以网页链接为输入，把页面内容整理成本地 Markdown：

• 获取页面：依赖 Python 3.7+，通过 requests 请求网页，并用 beautifulsoup4 处理 HTML 结构。
• 提取正文与元信息：围绕标题、作者、日期等字段做识别，保留对后续分析有用的内容。
• 本地保存：将整理后的正文输出为 Markdown 文件，便于归档、检索或继续处理。
• 批量处理：支持一次传入多条 URL，按列表方式完成剪藏。

适用边界

它解决的是“网页正文提取并 Markdown 化”的问题，不包含数据库、全文检索、复杂清洗管道或数据建模能力。若页面需要登录、存在验证码、强依赖 JavaScript 动态加载，或站点结构变化较大，输出结果可能需要人工校对后再使用。