Url Reader

URL Reader - 智能网页内容读取器

一键读取任意URL的内容，自动识别平台类型，智能选择最佳读取策略，自动保存内容和图片到本地。

默认保存目录

/Users/ys/laoyang知识库/nickys/素材/ 保存格式： 素材/ └── 2026-01-30_文章标题/ ├── content.md # Markdown内容 ├── img_01.webp # 图片1 ├── img_02.webp # 图片2 └── ...

三层读取策略（自动降级）

┌─────────────────────────────────────────────────────────────────┐ │ URL Reader 技术架构 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ 用户输入 URL │ │ ↓ │ │ ┌─────────────┐ │ │ │ 平台识别器 │ → 识别URL所属平台（微信/小红书/淘宝等） │ │ └─────────────┘ │ │ ↓ │ │ ┌─────────────────────────────────────────────────────────────┐│ │ │ 策略选择器 ││ │ │ ┌───────────┐ ┌───────────┐ ┌───────────┐ ││ │ │ │ 策略1 │ │ 策略2 │ │ 策略3 │ ││ │ │ │ Firecrawl │→│ Jina │→│ Playwright │ ││ │ │ │ (首选) │ │ (备选) │ │ (兜底) │ ││ │ │ └───────────┘ └───────────┘ └───────────┘ ││ │ └─────────────────────────────────────────────────────────────┘│ │ ↓ │ │ ┌─────────────┐ │ │ │ 内容提取器 │ → 提取标题、正文、作者、时间等 │ │ └─────────────┘ │ │ ↓ │ │ ┌─────────────┐ │ │ │ 格式化输出 │ → Markdown 格式 │ │ └─────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘

策略1：Firecrawl API（首选）

特点： AI 驱动的网页抓取 自动处理 JavaScript 渲染 自动绕过反爬机制 直接返回干净的 Markdown 支持 96% 的网站 API 调用： from firecrawl import Firecrawl app = Firecrawl(api_key="fc-YOUR_API_KEY") result = app.scrape(url, formats=["markdown"]) 定价： 免费：500 页/月 付费：按量计费

策略2：Jina Reader API（备选）

特点： 完全免费 无需 API Key 支持动态渲染 返回 Markdown 格式 使用方式： https://r.jina.ai/{原始URL}

策略3：Playwright 浏览器自动化（兜底）

特点： 支持登录态保持 可处理任何网站 需要首次手动登录 适用场景： 微信公众号（需要登录） 需要登录的平台 前两种策略都失败时

方式1：直接对话

用户：帮我读取这个链接 https://mp.weixin.qq.com/s/xxxxx 用户：看看这个小红书 https://www.xiaohongshu.com/explore/xxxxx 用户：读一下这个网页 https://example.com/article

方式2：命令行调用

/url-reader https://example.com/article

支持的平台

平台域名推荐策略备注微信公众号mp.weixin.qq.comFirecrawl → Playwright可能需要登录小红书xiaohongshu.comFirecrawl → Jina短链接需解析今日头条toutiao.comFirecrawl → Jina-抖音douyin.comFirecrawl提取视频描述淘宝taobao.comFirecrawl → Playwright可能需要登录天猫tmall.comFirecrawl → Playwright可能需要登录京东jd.comFirecrawl → Jina-百度baidu.comFirecrawl → Jina-知乎zhihu.comFirecrawl → Jina-微博weibo.comFirecrawl → Playwright可能需要登录B站bilibili.comFirecrawl → Jina-通用网站*Firecrawl → Jina-

工作流程

1. 接收 URL 2. 识别平台类型 3. 选择读取策略： ├─ 尝试 Firecrawl API │ ├─ 成功 → 返回内容 │ └─ 失败 → 继续 ├─ 尝试 Jina Reader │ ├─ 成功 → 返回内容 │ └─ 失败 → 继续 └─ 尝试 Playwright（需要登录态） ├─ 有登录态 → 读取内容 └─ 无登录态 → 提示用户设置 4. 提取核心内容 5. 格式化输出

输出格式

• # [文章标题]
• **来源**：[平台名称]
• **作者**：[作者名称]
• **发布时间**：[时间]
• **原文链接**：[URL]
• ---
• [正文内容]
• ---
• **互动数据**（如有）：
• 阅读/播放：xxx
• 点赞：xxx
• 评论：xxx

Firecrawl API Key 配置

访问 https://www.firecrawl.dev/ 注册账号 获取 API Key 配置环境变量： export FIRECRAWL_API_KEY="fc-YOUR_API_KEY"

Playwright 登录态设置（可选）

用于需要登录的平台（如微信公众号）： cd ~/.claude/skills/url-reader source .venv/bin/activate python scripts/wechat_reader.py setup

目录结构

url-reader/ ├── skill.md # 本文档 ├── metadata.json # 元数据 ├── scripts/ │ ├── url_reader.py # 主读取器（整合三种策略） │ ├── firecrawl_reader.py # Firecrawl 策略 │ ├── jina_reader.py # Jina 策略 │ ├── wechat_reader.py # Playwright 策略（微信） │ └── url_identifier.py # URL 平台识别器 └── data/ └── wechat_auth.json # 微信登录态（自动生成）

依赖安装

cd ~/.claude/skills/url-reader python3 -m venv .venv source .venv/bin/activate # 核心依赖 pip install firecrawl-py requests # Playwright（可选，用于需要登录的平台） pip install playwright playwright install chromium

Q: 为什么有些网站读取失败？

A: 可能原因： 网站有强反爬机制 → 尝试 Playwright 需要登录 → 设置登录态 内容已删除 → 无法读取

Q: Firecrawl 免费额度用完了怎么办？

A: 自动降级到 Jina Reader（免费） 或升级 Firecrawl 付费计划

Q: 微信公众号总是读取失败？

A: 微信反爬最严格，建议： 使用 Playwright + 登录态 或手动复制内容

版本历史

v2.0：整合 Firecrawl + Jina + Playwright 三层策略 v1.1：添加 Playwright 浏览器自动化 v1.0：基础功能