shield_lock
JinDaGe
Contact
← Back to skills
extension
Category: OtherNo API key required

News To Markdown

输入文章 URL，输出干净的 Markdown 正文。支持17个平台专项优化（头条、微信公众号、知乎、36kr、虎嗅、华尔街见闻、澎湃、InfoQ 等），双引擎提取、图片本地化、三层抓取策略。常与 browser-web-search skill 配合：先用 bws 搜索拿到 url 列表，再逐篇调用本 skill 读取正文。

personAuthor: user_2c495456hubcommunity
downloadDownload package

news-to-markdown Skill

输入文章 URL，输出干净的 Markdown 正文。17 个平台专项优化，为 AI Agent 而生。

🎯 核心特点

  • 📰 17 个平台专项适配 — 头条、微信、知乎、36kr、虎嗅、华尔街见闻、澎湃、InfoQ 等
  • 🔄 三层抓取策略 — curl → wget → Playwright 自动回退，静态/动态页面均支持
  • 🧠 双引擎提取 — Mozilla Readability + news-extractor-node 智能取优
  • 🖼️ 图片本地化 — 可选将远程图片下载到本地，防止 URL 过期
  • 🎨 无封面自动兜底 — 文章未识别到封面图时，基于标题生成抽象图案占位封面写入 frontmatter cover:，避免下游发布链路（如微信公众号）因缺少封面失败
  • 📦 零安装 — 通过 npx 按需拉取，无需全局安装

🚀 快速开始

# 基本转换，输出到终端
npx --yes news-to-markdown@^3.3.1 --url "https://www.toutiao.com/article/123"

# 保存到文件
npx --yes news-to-markdown@^3.3.1 --url "https://mp.weixin.qq.com/s/xxx" --output article.md

# 下载图片到本地（推荐，防止图片 URL 过期）
npx --yes news-to-markdown@^3.3.1 --url "https://www.toutiao.com/article/123" \
  --download-images --output-dir ./article

# 只要正文
npx --yes news-to-markdown@^3.3.1 --url "https://www.zhihu.com/p/xxx" --no-metadata

🔗 与 browser-web-search 配合使用

最常见的 AI Agent 编排模式：

browser-web-search  →  搜索，产出 URL 列表
news-to-markdown    →  读取正文，产出 Markdown

# Step 1：用 bws 搜索，拿到文章 URL 列表
bws site toutiao/search "ai agent" --count 3

# Step 2：对每个 URL 提取正文
npx --yes news-to-markdown@^3.3.1 --url "https://www.toutiao.com/article/111"
npx --yes news-to-markdown@^3.3.1 --url "https://www.toutiao.com/article/222"
npx --yes news-to-markdown@^3.3.1 --url "https://www.toutiao.com/article/333"

适用搜索命令（browser-web-search 0.4.2，30 个平台）：

  • 🇨🇳 国内文章类：toutiao/search、weixin/search、zhihu/search、36kr/search、xiaohongshu/search、huxiu/search、wallstreetcn/search、thepaper/search、qqnews/search、netease/search、sina/search、juejin/search、csdn/search、cnblogs/search、infoq/search
  • 🌏 国际文章类：verge/search、ars/search、engadget/search、hn/search（外链文章）

注意：github/search、reddit/search、x/search、weibo/search 等平台的 bws 结果本身是结构化数据，无需再用本工具提取正文。

📋 支持平台

专项优化平台（17 个）

| 平台 | 域名 | 专项说明 | |-----|------|------| | 今日头条 | toutiao.com | 标题规范化、data-src 图片、列表修复 | | 微信公众号 | mp.weixin.qq.com | #js_content 提取、移动端 UA 回退 | | 小红书 | xiaohongshu.com | .note-content 提取、懒加载图片 | | 知乎 | zhihu.com | 真实 Chrome 绕过 zse-ck 反爬 | | 36kr | 36kr.com | 自动转移动端 URL 绕过反爬 | | 虎嗅 | huxiu.com | 正文区域提取、懒加载图片修复 | | 华尔街见闻 | wallstreetcn.com | 财经正文提取、去高亮 <em> 标签 | | 澎湃新闻 | thepaper.cn | .news_txt 正文区域提取 | | InfoQ | infoq.cn / infoq.com | 技术文章正文提取 | | Bilibili 专栏 | bilibili.com | /read/ 路径文章提取 | | 掘金 | juejin.cn | 代码块与正文提取 | | CSDN | csdn.net | 去广告侧边栏、#content_views 提取 | | 博客园 | cnblogs.com | 技术博客正文提取 | | 简书 | jianshu.com | 文章正文提取 | | SegmentFault | segmentfault.com | 技术问答正文提取 | | 开源中国 | oschina.net | 资讯正文提取 | | 人人都是产品经理 | woshipm.com | 产品文章正文提取 |

其余平台（The Verge、Ars Technica、Engadget 等英文站）走通用 Readability 算法。

🔧 命令参数

npx --yes news-to-markdown@^3.3.1 --url <URL> [选项]

| 参数 | 类型 | 说明 | |------|------|------| | --url | string | 文章 URL（必填） | | --output | string | 输出文件路径（默认输出到终端） | | --download-images | flag | 下载图片到本地（推荐）| | --output-dir | string | 图片输出目录（--download-images 时使用） | | --no-metadata | flag | 只要正文，不含标题/作者/时间 | | --selector | string | 自定义内容区域 CSS 选择器 | | --noise | string | 移除元素的选择器，逗号分隔 | | --verbose | flag | 详细日志（调试用） |

📋 标准操作流程 (SOP)

操作 1：基础文章转换

场景：用户提供一个文章 URL，要求转换为 Markdown

npx --yes news-to-markdown@^3.3.1 \
  --url "https://www.toutiao.com/article/123" \
  --output article.md

操作 2：转换并下载图片（推荐）

场景：需要保留图片，或后续要发布到微信公众号

npx --yes news-to-markdown@^3.3.1 \
  --url "https://www.toutiao.com/article/123" \
  --download-images \
  --output-dir ./article
# 输出：./article/article.md + ./article/images/*.jpg

头条、微信等平台的图片 URL 包含签名，数小时后失效。下载到本地可避免此问题。

操作 3：只提取正文

场景：用户说"只要文章内容，不要标题作者等信息"

npx --yes news-to-markdown@^3.3.1 \
  --url "https://36kr.com/p/xxx" \
  --no-metadata

操作 4：批量处理多篇文章

场景：配合 bws 搜索结果批量提取

# 先搜索
bws site zhihu/search "大模型" --count 5 --jq '[.items[].url]'

# 再逐篇提取
for url in "${urls[@]}"; do
  npx --yes news-to-markdown@^3.3.1 --url "$url" --output "articles/$(echo $url | md5sum | cut -c1-8).md"
done

操作 5：自定义提取（去噪 / 指定区域）

场景：提取结果不准，用户要求去掉广告或指定正文区域

# 去掉广告和评论
npx --yes news-to-markdown@^3.3.1 \
  --url "https://example.com/article" \
  --noise ".ad,.sidebar,.comments"

# 指定内容区域
npx --yes news-to-markdown@^3.3.1 \
  --url "https://example.com/article" \
  --selector "article.main-content"

操作 6：调试失败页面

场景：抓取或提取失败，需要排查

npx --yes news-to-markdown@^3.3.1 \
  --url "https://example.com/article" \
  --verbose

常见原因与解决方案：

| 问题 | 原因 | 解决方案 | |------|------|------| | 抓取失败 | 需要 JS 渲染 | 自动使用 Playwright（需提前安装） | | 内容为空 | 选择器不匹配 | 使用 --selector 指定内容区域 | | 图片显示不了 | URL 过期 | 使用 --download-images | | 反爬拦截 | 无头浏览器被检测 | 知乎已内置 Chrome UA，其他平台视情况处理 |

可选安装 Playwright 浏览器（动态页面支持）：

npx playwright install chromium

🎓 示例对话

用户：帮我把这篇虎嗅文章转成 Markdown，图片也要保存

npx --yes news-to-markdown@^3.3.1 \
  --url "https://www.huxiu.com/article/xxx.html" \
  --download-images \
  --output-dir ./huxiu-article

用户：搜索头条最新 3 篇关于 AI Agent 的文章，并获取每篇正文

# Step 1: 搜索
bws site toutiao/search "AI Agent" --count 3

# Step 2: 逐篇提取（对每个 url 执行）
npx --yes news-to-markdown@^3.3.1 --url "<url>" --output "<title>.md"

用户：只要这篇知乎文章的正文，不要其他信息

npx --yes news-to-markdown@^3.3.1 \
  --url "https://www.zhihu.com/p/xxx" \
  --no-metadata

⚠️ 安全与版权

两条调用路径：

  1. 直接终端调用（人类 / Agent shell 命令）：保持 npx --yes news-to-markdown@^3.3.1 … 习惯用法，无需任何额外安装。

  2. Skill 插件路径（scripts/run.js convert …）：在进程内 require() 已固定版本的 npm 包，不再 fork 子进程、不再调用 npx。该路径需要一次性安装：

    npm install -g news-to-markdown@3.3.1

    未安装时，启动器会以可操作的 JSON 错误提示退出（不会自动安装、不会回退到子进程）。该选择是为了消除 ^3.3.1 范围内的运行时版本漂移与 child_process 调用面，匹配 codeguard-0-supply-chain-security 与 codeguard-0-input-validation-injection 的硬化要求。

供应链风险：本 Skill 透传到第三方 npm 包，使用前请审计源码：

  • 源码：https://github.com/sipingme/news-to-markdown
  • 入口：https://github.com/sipingme/news-to-markdown/blob/main/src/index.ts

入参收紧：scripts/run.js 仅放行 SKILL.md 中文档化的子命令与参数（allow-list），并对每个参数做长度上限与控制字符校验后才注入到 CLI 进程的 argv，不会进入 shell。

版权提示：本工具默认用于个人学习和内容归档。对外发布时，请保留来源链接和作者信息，并确认来源站点的版权声明与转载政策。

📝 维护说明

  • 版本: 3.3.1
  • 最后更新: 2026-04-28
  • 维护者: Ping Si sipingme@gmail.com
  • 许可证: MIT

📚 参考资料