negentropy: Skill for Claude Code

Web Translator (Web Content Extractor)

专门处理网页内容的提取和转换，将网页内容转换为标准的 Markdown 格式，保持原有的结构和格式。

核心功能

1. 内容提取

• 主要内容提取：识别并提取文章正文
• 结构保持：维护标题层级、段落结构
• 媒体资源：提取图片、视频等媒体信息
• 交互元素：保存链接、按钮等交互信息

2. 格式转换

• HTML to Markdown：转换为标准 Markdown 语法
• 表格处理：将 HTML 表格转换为 Markdown 表格
• 列表转换：保持有序和无序列表结构
• 链接处理：正确转换内部和外部链接

Workflow

1. 内容获取

使用适当的工具：

• data-extractor.convert_webpage_to_markdown - 主要工具
• web-reader.webReader - 备用方案

2. 内容解析

• 识别文档结构（标题、段落、列表等）
• 提取元数据（标题、作者、发布时间等）
• 定位媒体资源
• 解析导航和侧边栏

3. 内容清理

• 移除广告和无关内容
• 清理脚本和样式
• 简化复杂的 HTML 结构
• 优化可读性

4. 格式转换

• 应用 Markdown 语法规则
• 保持视觉层次结构
• 处理特殊元素（表格、代码块）
• 生成干净的 Markdown

提取配置

基本配置

extract_main_content: true # 提取主要内容
include_metadata: true # 包含元数据
embed_images: false # 图片保存为独立文件
extract_links: true # 提取链接信息
preserve_formatting: true # 保持格式

高级选项

• 选择性提取：指定 CSS 选择器
• 深度控制：控制链接追踪深度
• 媒体过滤：筛选特定类型的媒体

输入格式

单个 URL

https://example.com/article

多个 URL

- https://example.com/doc1
- https://example.com/doc2
- https://example.com/doc3

本地 HTML 文件

/path/to/local/file.html

输出格式

Markdown 内容

# 文章标题

**作者**: Author Name
**发布时间**: 2025-01-01
**来源**: Example Website

## 摘要

文章摘要内容...

## 正文内容

### 1. 章节标题

章节内容段落...

![图片描述](path/to/image.png)

| 表格标题 |
| -------- |
| 内容     |

- 列表项 1
- 列表项 2
- 列表项 3

[相关链接](https://example.com)

元数据

{
  "title": "文章标题",
  "author": "Author Name",
  "publish_date": "2025-01-01",
  "source": "Example Website",
  "url": "https://example.com/article",
  "word_count": 1500,
  "reading_time": "5 min"
}

资源列表

{
  "images": [
    {
      "src": "https://example.com/image1.jpg",
      "alt": "图片描述",
      "local_path": "images/article/image1.jpg"
    }
  ],
  "links": [
    {
      "text": "链接文本",
      "url": "https://example.com/link",
      "type": "external"
    }
  ]
}

使用方法

基本提取

提取这个网页的内容：https://example.com/article