用途：这是一个 trafilatura 命令行技能，核心目标是从网页或 HTML 中抽取干净的文章正文与元数据，并遵循 stdout 优先协议，先满足单页需求再做批量写入。
主要能力：单页提取（extract，优先用 scripts/extract_url.py 包裹 trafilatura -u，仅 stdout/JSON 输出）；元数据输出（--with-metadata --format json）；管道输入（stdin 或本地 .html，如 trafilatura --markdown < page.html）；发现模式（feed、sitemap、crawl、probe，默认只 --list 列出 URL）；经批准的批处理（-i 链接列表 -o 输出目录，建议加 --backup-dir 备份 HTML）；本地目录重处理（--input-dir，可用 --keep-dirs）；归档回退（--archived 使用 Internet Archive）。
使用方式：会话内首次提取或 CLI 报错后先运行 uv run python scripts/doctor.py --format json 预检，失败则停止。单网址优先运行 uv run python scripts/extract_url.py --url 'https://…' --format json，需要可读结果时用 --output-format markdown。发现用法如 uv run python scripts/list_urls.py --mode sitemap --url 'https://…' --format json，展示 URL 数量与样本，未经明确批准不得自动批量下载。批处理示例：mkdir -p "$HOME/Downloads/trafilatura/output" 然后 trafilatura -i list.txt -o "$HOME/Downloads/trafilatura/output/" --markdown --backup-dir "$HOME/Downloads/trafilatura/html-backup/"。无 shell 环境可走 MCPHub trafilatura 的 fetch_and_extract 回退。
适用场景与限制：适合单页正文提取、元数据获取、本地 HTML 重处理与小规模 URL 发现。批量或本地目录处理需显式批准范围、输出目录并遵守礼貌与伦理（robots、限速）。不适用于多源研究、PDF/表格（docling）、原始抓取、视频音频站点（yt-dlp）或绕过付费墙。内容缺失时可用 --recall 或 --precision 调整，下载受阻可 wget/curl 管道传入，仍为空则说明是 JS 渲染页面限制，本工具无内置浏览器自动化。具体收费与平台信息暂未提供。