WPS Doc Scraper 是一个面向公开 WPS/KDocs/金山文档链接的归档提取技能，核心目标是保持源数据保真度。它优先使用无需认证的数据 API，保留原始载荷，在文档为画布或思维导图时捕获原始视觉产物，并仅将 Markdown 作为源数据的结构化表示生成。该技能明确是提取技能而非写作技能，除非用户在归档完成后明确要求单独分析，否则不应使用 LLM 改写、摘要、润色或推断缺失的文档内容。
用途与工作流决策
该技能首先识别 URL 类型：kdocs.cn/view/l/<share_id> 或 kdocs.cn/l/<share_id> 先读取公开链接元数据；wps.processon.com/diagrams/view?... 提取 file_id 和 group_id 后使用 ProcessOn 数据 API；wps.processon.com/wpsapi/diagrams/view/api?... 直接作为源 API 处理；其他 WPS/KDocs 页面则收集公开元数据，仅在可用时尝试官方公开导出/下载，然后以浏览器 DOM 捕获作为回退。
主要能力
对于 ProcessOn .pof 思维导图或画布，运行 API 提取器：
python3 /path/to/wps-doc-scraper/scripts/wps_processon_extract.py
--url "https://www.kdocs.cn/view/l/..."
--output-dir "/path/to/archive-dir"
预期输出包括 processon-api.json、processon-definition.json、capture-manifest.json 以及 <title>.md。
捕获原始图像时，如果页面暴露了渲染后的 SVG，则将序列化的完整 SVG 保存为 <title>-全画布.svg。如果 SVG 使用 foreignObject，不要仅依赖 ImageMagick 进行文本渲染，应使用 scripts/render_svg_tiles.py 通过 macOS Quick Look 方形瓦片生成 PNG：
python3 /path/to/wps-doc-scraper/scripts/render_svg_tiles.py
--svg "/path/to/<title>-全画布.svg"
--output "/path/to/<title>-全画布.png"
归档验证
验证归档时需确认：Markdown 是结构化转换而非编辑性改写；视觉文档存在原始图像；原始 JSON 和 manifest 存在；任何输出文本不包含 Unicode 替换字符 �；任何失败或权限受限的路径记录在 manifest 或最终响应中。
硬性规则
除非用户明确要求，绝不登录、保存到账户、复制到用户云盘或修改远程文档。绝不绕过 CAPTCHA、付费墙、租户限制或权限墙；需要登录的公开链接是硬边界，除非用户提供授权访问。不推断隐藏节点或缺失文本，保留 API 或渲染 DOM 实际暴露的内容。HTTP 200 并不足够，需检测登录墙载荷，如“用户未登录”、空定义和占位外壳。在转换前保留原始源产物：API JSON、解析后的定义 JSON、序列化 SVG、截图或 PNG 以及捕获 manifest。对于浏览器回退，尽可能在截图前捕获 DOM/源数据；仅截图不是忠实的文本归档。如实报告提取缺口，不要从部分数据静默生成看似完善的 Markdown 文件。
捆绑资源
scripts/ 目录包含：wps_processon_extract.py，用于公开 WPS/KDocs ProcessOn .pof 思维导图的确定性提取器，解析 KDocs 分享元数据、下载 ProcessOn 数据 API JSON、解析嵌入定义并写出 Markdown 与 manifest；render_svg_tiles.py，基于 macOS Quick Look 的 SVG 转 PNG 渲染器，适用于带 foreignObject 文本的全画布 SVG，渲染方形垂直瓦片并拼接为一张 PNG。
references/ 目录包含：processon-mindmap-api.md，WPS 托管 ProcessOn 文件的端点模式与载荷形状；rendered-svg-capture.md，浏览器端提取渲染后全画布 SVG 并生成 PNG 的流程；capture-manifest.md，最小 manifest 字段与验收检查；permission-and-failure-boundaries.md，登录墙、禁止升级与失败报告规则。
适用场景与限制
该技能适用于需要忠实归档公开 WPS/KDocs/金山文档链接的场景，尤其是嵌入的 ProcessOn 思维导图与画布。限制包括：不处理需要登录的链接，不绕过权限墙，不推断缺失内容，不将 Markdown 作为编辑性改写。关于收费、价格、平台支持范围等具体信息，资料中暂未提供。