核心用法
该技能通过Node.js脚本实现网页图片的自动化提取与PDF生成。用户仅需提供目标URL，系统即可解析网页结构，抓取PNG/JPG格式图片，并按原文出现顺序（非排序）整合为单一PDF文档。支持命令行直接调用或OpenClaw框架内嵌执行，输出文件默认保存于当前工作目录。
操作流程：
1. 确保Node.js环境及pdfkit依赖已全局安装
2. 执行 node extract.js <URL> [自定义文件名]
3. 检查生成的PDF文件及图片完整性
典型应用场景包括微信文章备份、图文教程归档、网页内容离线保存等。
显著优点
- 零配置即开即用：单脚本架构，无需复杂初始化
- 顺序保真：明确承诺"保持原文顺序，不排序"，确保阅读逻辑完整
- 格式兼容：原生支持PNG/JPG两种主流网页图片格式
- 轻量依赖：仅依赖pdfkit单一npm包，安装维护成本低
潜在缺点与局限性
- 反爬风险：未集成代理轮换、请求头伪装等机制，面对Cloudflare等防护易触发封禁
- 动态内容盲区：基于静态HTML解析，对Lazy-load、SPA渲染页面可能漏抓
- 无预览机制：需事后手动确认图片数量，无法提取前预判内容规模
- 单线程处理：未实现并发下载，大批量图片场景效率受限
- 格式单一：输出仅支持PDF，无图片单独打包或Markdown嵌入等选项
适合人群
- 内容运营者（公众号文章备份）
- 研究人员（网页资料归档）
- 轻度技术用户（熟悉npm基础操作）
常规风险
| 风险类型 | 说明 |
|---------|------|
| 合规风险 | 批量抓取需遵守目标站点的robots.txt及服务条款 |
| 稳定性风险 | 目标网页DOM结构变更将导致提取失效 |
| 安全风险 | 需验证URL可信度，避免触发恶意链接或钓鱼站点 |
| 版权风险 | 生成PDF的二次分发需确认原始图片授权状态 |