S

公眾號抓取skill

資料分析v1.0.0
作者:user_5223609c更新於 2026-11-05scrapling-article-fetch@user_5223609c/scrapling-article-fetch
網頁抓取

據 AlphaMoat 統計,截至 2026-10,公眾號抓取skill 累計下載 18,641 次、獲 14 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 1,508 位,在「資料分析」分類(915 個)中排名第 144 位。

列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。

累計下載
1.9萬
星標
14
全站下載量排名
#1,508
全站前 14% · 「資料分析」前 16%
平台累計下載星標評論
SkillHub ↗1.9萬14—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

使用 Scrapling + html2text 從 URL 抓取可讀正文(含圖片),按優先順序選擇器提取並按字元數截斷;隨後自動寫入飛書文件並返回文件連結。適用於使用者傳送文章/部落格/新聞連結(尤其是微信公眾號 mp.weixin.qq.com)並希望快速驗收正文內容的場景。

月度資料趨勢

累計下載1.9萬
01萬2萬2026-05 · 累計下載 4742026-06 · 累計下載 8502026-07 · 累計下載 18792026-08 · 累計下載 29392026-09 · 累計下載 50902026-10 · 累計下載 1.9萬26-0526-0926-10
星標14
08152026-05 · 星標 -2026-06 · 星標 32026-07 · 星標 92026-08 · 星標 122026-09 · 星標 132026-10 · 星標 1426-0526-0926-10

2026-09 起統計方法調整:同名技能按作者分別統計,並覆蓋全部技能。圖中虛線為調整前的月份,與之後的資料不直接比較,也不計算跨越調整的增長。

月份累計下載環比星標
2026-101.9萬—14
2026-095090—13
2026-082939+56.4%12
2026-071879+121.1%9
2026-06850+79.3%3
2026-05474—-

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-11-20。

5.6 KB · SkillHub v1.0.0
---
name: scrapling-article-fetch
description: 使用 Scrapling + html2text 从 URL 抓取可读正文(含图片),按优先级选择器提取并按字符数截断;随后自动写入飞书文档并返回文档链接。适用于用户发送文章/博客/新闻链接(尤其是微信公众号 mp.weixin.qq.com)并希望快速验收正文内容的场景。
---

将文章正文抓取为 Markdown,并按需要写入飞书文档供用户验收。

## 前提条件

1. Python 3.10+。
展開全部(共 131 行)
2. 运行环境满足以下其一:
   - 推荐:已安装 `uv`
   - 备选:可用的 `venv + pip`
3. 机器可访问目标 URL。
4. 如需写飞书文档,默认直接使用 skill 内脚本按“当前 agent 身份”直连 Feishu OpenAPI;不要手动传 `app_id` / `app_secret`。

## 环境检查(必须先做)

在真正抓取前,先检查当前环境是否具备 Python。不要假设系统一定有 `python` 别名;统一先跑 wrapper:

```bash
bash ~/.openclaw/skills/scrapling-article-fetch/scripts/run_pipeline.sh
```

这个 wrapper 会优先选 `python3`,其次 `python`,避免再次出现“环境有 Python,但入口命令写死导致误判”的问题。

执行规则:
- 若 `python_ok=true`:继续执行抓取。
- 若没有 Python 或版本低于 3.10:先提醒用户安装,或在征得用户同意后再帮装;不要直接跳过检查硬跑。
- 若没有 `uv` 但有可用 Python:可以继续,只是改用 `venv + pip` 方案。

## 执行命令(抓取)

在受管控 Python 环境中,优先使用 `uv`:

```bash
uv run --with 'scrapling[fetchers]' --with html2text python ~/.openclaw/skills/scrapling-article-fetch/scripts/scrapling_fetch.py <url> [max_chars]
```

默认 `max_chars=30000`。

## 执行方式(Markdown → 飞书文档)

当需要把抓取结果写入飞书文档时,默认仍使用 `md_to_feishu_doc.py`,但**不要让模型自由手写标题字符串**。

推荐调用方式:

```bash
python3 ~/.openclaw/skills/scrapling-article-fetch/scripts/md_to_feishu_doc.py <article_json_or_title> <src_url> <markdown_file> [doc_id] [user_open_id]
```

说明:
- 第 1 个参数既可以传标题字符串,也可以直接传 `scrapling_fetch.py --json` 产出的 `.json` 文件路径。
- **飞书场景默认应传 `.json` 文件路径**,让写文档脚本直接读取其中的 `title` 字段;不要让模型自己概括标题。
- 如果传入的是普通标题字符串,但它明显像正文第一句/小标题,脚本会自动降级,从 Markdown 中再取标题,减少新 agent 传错标题的概率。
- `user_open_id` 建议传当前用户 open_id,脚本会自动补编辑权限。
- `doc_id` 可选;传入时表示覆盖更新已有文档,不传则新建文档。
- 飞书写入脚本只负责把**上游已经产出的 Markdown**稳定写入文档;不要在写入阶段再自行抓原网页补封面,封面缺失要回到上游抓取脚本修。

## 抓取规则

脚本必须按以下逻辑执行:

1. 使用 `Fetcher.get()` 拉取页面 HTML。
2. 如果域名是微信公众号(`mp.weixin.qq.com`),优先尝试:
   - `#js_content`
   - `.rich_media_content`
   - `.rich_media_area_primary`
3. 再尝试通用选择器:
   - `article`
   - `main`
   - `.post-content`
   - `[class*="body"]`
4. 用 `html2text` 转为 Markdown。
5. 默认保留链接和图片。
6. 清理常见微信尾部噪音(扫码提示、授权弹窗等文案)。
7. 按 `max_chars` 截断。
8. 若未命中正文容器,回退为整页 HTML 转换结果。

## 默认交付流程(必须执行)

当用户让你抓取公众号/文章时,默认执行以下流程,不需要额外确认:

1. 先检查运行环境:
   - 是否有 Python 3.10+
   - 是否可用 `uv` 或 `venv + pip`
   - 如果没有 Python,不要假设用户环境已具备;应先提醒用户安装,或在征得用户同意后再帮装。
2. 运行抓取脚本,得到 Markdown 和 JSON。
3. 判断当前聊天渠道:
   - 如果当前在飞书,默认调用 `md_to_feishu_doc.py`,并把抓取生成的 `.json` 文件路径作为第 1 个参数传入,按当前 agent 身份创建并写入飞书文档
   - 调用时传当前用户 open_id,确保用户自动拿到编辑权限
   - 不要让模型自己拼标题参数
   - 如果不在飞书,为保证用户体验,直接把抓取结果以 Markdown 代码块形式回复给用户,而不是返回飞书链接

### 非飞书场景回复模板

当当前渠道不是飞书时,直接使用脚本生成代码块回复:

```bash
python3 ~/.openclaw/skills/scrapling-article-fetch/scripts/render_markdown_reply.py <title> <url> <markdown_file>
```

如果当前机器没有 `python3` 但有 `python`,则改用 `python`。实际执行时优先复用前面 wrapper 已选出的解释器,不要手写死。

输出格式固定为:

````markdown
```markdown
# <文章标题>

原文链接:<url>

<完整 Markdown 正文>
```
````

不要再额外创建飞书文档,也不要只回一个链接。

4. 将完整抓取结果交付给用户,至少包含:
   - 原文链接
   - 标题
   - 完整正文(含图片)

仅当用户明确说“不要写飞书文档”时,才只返回文本。

## 备注

- 如果页面高度依赖 JS 导致抓取为空,后续可切换 DynamicFetcher 变体。
- 输出格式保持稳定,便于与原文逐段对照验收。
- 默认写飞书文档时,由脚本自动解析当前 agent 对应的飞书账号并直连 Feishu OpenAPI;不要手动传凭证。

「資料分析」分類下的熱門技能

全能金融爬蟲資料分析

中國金融機構資料爬取與分析綜合 Skill v12.0.0。2334家/43大類機構名單、60+財經媒體源輿情、 A股報告/公告/研報、60+種查詢多源金融資料(自動降級+快取)、爬取排程與網頁操作增強、 即時資料中樞、24 技術指標引擎、多源證據融合、110 MCP 工具 + 10 Resource + 14 Prompt。 🆕 v12.0.0 四條線(資訊獲取 / 打包下載 / 資料分析 / 登入): 編排:gather_info() 一次跑完"路由→抓取→去佔位→質量分→能力邊界→回執→打包", 8 類意圖各帶問法、輸入輸出、典型耗時與 not_for(說清哪件事做不了)。 誠實:反爬佔位條目一律剔除並記賬,空結果報 E_SOURCE_EMPTY,不把假資料判成 B 級成功。 交付:包內自帶 manifest.json(逐檔案 sha256),verify 查得出改動/缺失/多塞, 批次下載單條失敗不中斷整批,失敗清單可直接只重下那幾條。 登入:Cookie 由使用者匯出或掃碼接管,檔案化 + 健康度四檔,對外輸出全脫敏(值永不回顯)。 何時觸發:爬取機構、輿情爬取、東方財富、公告下載、即時行情、技術指標、統一查詢、 交付包、批次重下、我已經登入了、登入態還有效嗎(完整觸發詞見下方 auto_trigger)。

↓ 77萬★ 288user_9d5a2a39
鋼聯AI - 智慧問數資料分析

大宗商品價格資料查詢技能。用於查詢大宗商品期現貨價格、宏觀經濟指標、產業鏈供需資料、進出口庫存資料、金融市場資料等。當用戶詢問:(1) 期貨/現貨價格查詢,如"螺紋鋼價格"、"銅期貨收盤價"; (2) 歷史行情或趨勢分析;(3) 區域或企業價格對比;(4) 宏觀經濟指標,如GDP、CPI;(5) 產業鏈上下游資料;(6) 多市場金融資料(期權、股票、債券、外匯);(7) 結算確認單生成時觸發此技能。

↓ 70.5萬★ 6u_9ed3401d
smart-charts資料分析

32種圖表,3 個主題,2步生成: 1.上傳資料 — 將 CSV / Excel / JSON 等格式的資料檔案拖入對話方塊; 2.檢視結果 — 互動式圖表(HTML),可儲存圖表為圖片.

↓ 60.5萬★ 135user_5b28ea14
AdMapix資料分析

AdMapix 的取數層:把廣告與應用相關的查詢轉成介面呼叫,只回原始 JSON。

↓ 57.5萬★ 304fly0pants
論文配圖一鍵生成資料分析

論文配圖一鍵生成:一條命令從 JSON/CSV/Excel 生成頂刊級學術圖表,科研繪圖 與期刊配圖全場景覆蓋。40 種圖表(森林圖/KM 生存曲線(自動風險表)/競爭風險累計發生率/ROC/校準 曲線/決策曲線 DCA/列線圖/RCS 非線性劑量反應/亞組分析森林圖/RMST 限制平均生存時間/Galbraith 徑向圖/火山圖/雨雲圖/山脊圖/啞鈴圖/游泳圖(逐例時長+里程碑)/ 腫瘤緩解瀑布圖/UpSet 交集/PRISMA 流程圖/漏斗/BA 一致性/PCA/熱圖/箱線/小提琴/ 組合圖/Cox 多因素迴歸森林圖等),9 套配色(含色盲安全 Okabe-Ito 與期刊色板),9 種期刊投稿預設, YAML 流水線一條命令出全套論文圖,一次渲染多格式匯出(TIFF/PNG/PDF), PDF 重疊門禁,600dpi。純本地執行,資料不出機,中文零配置。適用:寫論文/ 投稿要配圖、把資料變成可投稿圖表、批次重出全套圖。不適用:文字潤色/翻譯/ 改寫(請用寫作類工具);商業報表/儀表盤/海報裝飾;無資料支撐的純示意圖。

↓ 42.1萬★ 83user_481397b5
smart-charts資料分析

Intelligent chart generation and data analysis skill. Reads user-supplied data files (CSV/Excel/JSON), analyzes data characteristics with LLM assistance, auto-recommends and generates interactive ECharts visualizations. Use when the user asks to analyze data, generate charts, create visualizations, or work with tabular data files.

↓ 25.7萬★ 1user_814dbe54
股票/基金/期貨量化分析工具資料分析

全球智慧投研工具(stock-researcher)v13.0:多源資料 + 機率預測 + 可匯出報告。 核心能力: - 多源資料路由:按市場/類別選源,逐級降級;每個結果標註來源與時效等級;源不可用時明確標 unavailable - 全資產量化:股票/ETF/場外基金/指數/期貨(期限結構、基差、持倉、折溢價)多因子分析 - 機率預測:1d/5d/1M/3M/6M 經驗分佈 + 分位數 + 方向機率 + 區間,kNN 鄰域收縮融合全域性分佈; 樣本不足自動棄權,可按歷史命中樣本(同桶)做機率校準 - 證據鏈簡報:每條結論繫結來源、時間與資料質量,衝突訊號保留而不抹平 - 報告匯出:Word/PPT/PDF/Markdown/JSON/純文字,純標準庫渲染 + 可選第三方引擎 - MCP Server 24 工具,Claude Code 可直接呼叫;知識庫 12 介面卡雙向同步 三條鐵律: - 資料不裝:拿不到就報不可用,不拿 0 價、不拿空表冒充 - 預測不裝:機率來自歷史相似條件的經驗分佈,樣本不足就說不足,不硬給方向 - 評分≠盈利保證:任何結論都帶免責宣告

↓ 19.2萬★ 147user_9d5a2a39
Tavily Search資料分析

透過 Tavily 搜尋公開網頁,並回傳含連結與摘要的結構化結果。

↓ 16.5萬★ 286Xiaoran Li

資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。