用途:将网页或已有 HTML 转换为整洁 Markdown,并附带元数据、链接、图片清单和质量信号,适合需要浏览器渲染结果或结构化 Markdown 的网页采集任务。
主要能力:整合 nodriver(基于 CDP 的无头浏览器捕获,支持 JS 密集页面,并按用户 Chrome、用户 Chromium、Playwright Chromium 顺序发现浏览器)与 markmaton(HTML 转 Markdown,含正文提取、元数据、链接与图片清单)。默认输出 JSON 信封,包含 Markdown 正文、元数据、链接、图片与质量信号;使用 --output-format markdown 时只输出原始 Markdown 正文。正文提取默认开启,可用 --full-content 关闭。捕获始终为无头模式,默认超时 10 秒,可用 --timeout 覆盖。
使用方式:从 URL 捕获并转换可串联为一条流水线:uv run --script scripts/capture_html.py <url> | uv run --script scripts/markmaton_convert.py --from-capture --output-format json,--from-capture 会自动读取 html、url、final_url 和 content_type。需要就绪信号时可加 --wait-selector <css> 或 --wait-text <string>。从 HTML 转换可用 uv run --script scripts/markmaton_convert.py --html-file page.html --url <url> --output-format json,或从标准输入传入。建议在可用时提供 --url,以改善链接解析与规范元数据。
适用场景:需要浏览器渲染 HTML 或结构化 Markdown 的网页采集任务;静态文章、维基和服务器渲染文档则更建议使用简单 fetch 而非浏览器捕获。
限制:资料未提供收费、价格、平台或效果等信息;浏览器与抓取方式的选择可参考 references/integration-patterns.md,完整命令行参考见 references/usage.md。