News To Markdown

核心功能

news-to-markdown-skill 是一款专为中国主流内容生态设计的文章提取与转换工具，通过 npx 动态执行 news-to-markdown 核心库，实现从 URL 到可发布 Markdown 的一站式转换。

技术架构亮点

双引擎内容提取：同时运行 Mozilla Readability 与自研 news-extractor-node，前者保障正文完整性，后者精准提取标题、作者、发布时间等元数据，自动选择最优结果。

三层 HTML 抓取策略：curl → wget → Playwright 智能降级，静态页面 1-3 秒极速响应，动态 SPA 自动启用浏览器渲染，整体成功率 95%+。

图片本地化机制：智能识别封面图（优先 og:image/twitter:image），支持批量下载到本地并转为相对路径，解决头条、微信等平台的签名过期与防盗链问题，完美衔接公众号发布流程。

13 平台专项适配：内置头条、微信公众号、36kr、知乎、掘金、简书、CSDN、人人都是产品经理、开源中国、B 站专栏、SegmentFault、博客园、小红书等平台的 DOM 预处理与反爬策略（如 36kr 自动转移动端 URL）。

显著优点

• 零安装成本：npx 即拉即执行，无需全局安装依赖
• 内容保真度高：图片段落保护机制避免误过滤，代码块、列表、标题层级完整保留
• 可扩展架构：支持自定义平台适配器注册，便于持续扩展新站点
• 输出即发布：生成的 Markdown 质量可直接用于公众号、博客等二次发布场景

潜在局限与风险

供应链安全风险：通过 npx 动态拉取第三方 npm 包，存在潜在的代码注入与依赖劫持风险。项目已明确标注 riskLevel: moderate，建议生产使用前审计源码（入口：https://github.com/sipingme/news-to-markdown/blob/main/src/index.ts）。

Playwright 首次使用成本：需额外下载 Chromium 浏览器（约 100MB+），对磁盘与网络有要求。

反爬与合规边界：对于需登录、有付费墙、或明确禁止抓取的版权内容，工具无法突破；用户需自行确认转载授权与版权政策。

特殊布局适配：极端自定义布局站点可能需要手动指定 --selector 或调整 --noise 规则。

适合人群

• 内容运营者：批量采集行业资讯、建立知识库
• 自媒体作者：快速整理参考文章、制作素材包
• 开发者/技术博主：迁移历史文章、多平台同步
• 研究人员：网络文本数据的合规采集与归档

常规风险提示

• 网络依赖：需能直接访问目标 URL，代理环境需提前配置
• 版权合规：默认仅适用于个人学习与授权范围内的二次整理
• 版本锁定：^3.1.3 语义化范围可能自动拉取补丁版本，关键场景建议固定精确版本