Merge pull request 'fix: 修复知乎专栏文章爬取问题' (#3) from fix/ci-deploy-reset into main

Reviewed-on: http://192.168.1.22:8418/starmen1265/kb-skills/pulls/3

kb-workflow/SKILL.md

@@ -222,8 +222,13 @@ python3 /path/to/bilibili_content.py --id "43780186" --type article --output [co
 
 **知乎文章/问答**：
 ```bash
-# 知乎问答/专栏提取（需要对应的 content 技能支持）
-python3 /path/to/zhihu_content.py --id "[ID]" --type [question|answer|zhuanlan] --output [content_dir]
+# 知乎专栏文章（推荐方式：自动爬取）
+python3 /path/to/zhihu_content.py --id "2013919514258072086" --type zhuanlan --output [content_dir]
+# 或使用完整 URL
+python3 /path/to/zhihu_content.py --id "https://zhuanlan.zhihu.com/p/2013919514258072086" --type zhuanlan --output [content_dir]
+
+# 如果已有 MediaCrawler 数据，可直接读取
+python3 /path/to/zhihu_content.py --type article-from-media --input [json文件路径] --output [content_dir]
 ```
 
 3. 解析输出 JSON，提取文字内容用于深度分析

kb-zhihu-content/zhihu_content.py

@@ -254,8 +254,8 @@ async def main():
     parser = argparse.ArgumentParser(description='知乎内容获取工具')
     parser.add_argument('--id', '-i', help='知乎视频ID (用于 video/subtitle 类型)')
     parser.add_argument('--type', '-t', required=True, 
-                        choices=['video', 'subtitle', 'article-from-media'], 
-                        help='内容类型: video=视频下载, subtitle=字幕提取, article-from-media=从MediaCrawler读取文章')
+                        choices=['video', 'subtitle', 'article-from-media', 'zhuanlan', 'article'], 
+                        help='内容类型: video=视频下载, subtitle=字幕提取, article-from-media=从MediaCrawler读取文章, zhuanlan/article=爬取知乎专栏文章')
     parser.add_argument('--output', '-o', default='./output', help='输出目录')
     parser.add_argument('--quality', '-q', type=int, default=720, help='视频质量')
     parser.add_argument('--input', '-in', help='MediaCrawler 数据文件路径 (用于 article-from-media 类型)')
@@ -275,6 +275,56 @@ async def main():
             input_file=args.input, 
             output_dir=args.output
         )
+    elif args.type in ('zhuanlan', 'article'):
+        # 知乎专栏文章：先爬取再读取
+        # 需要从 --id 或构造完整 URL
+        if args.id:
+            # 如果传入的是完整 URL
+            if args.id.startswith('http'):
+                article_url = args.id
+            else:
+                # 如果只传入 ID，构造 URL
+                article_url = f"https://zhuanlan.zhihu.com/p/{args.id}"
+        else:
+            result = {"success": False, "message": "zhuanlan/article 类型需要 --id 参数（文章ID或完整URL）"}
+            print(json.dumps(result, ensure_ascii=False, indent=2))
+            return result
+        
+        # 调用 zhihu_article_crawler.py 爬取
+        crawler_script = Path(__file__).parent.parent / "kb-zhihu-metadata" / "zhihu_article_crawler.py"
+        if not crawler_script.exists():
+            # 尝试另一种路径
+            crawler_script = Path.home() / ".openclaw" / "agents" / "knowledge-base" / "workspace" / "skills" / "kb-zhihu-metadata" / "zhihu_article_crawler.py"
+        
+        if crawler_script.exists():
+            import subprocess
+            cmd = ["python3", str(crawler_script), "--url", article_url, "--output", args.output]
+            print(f"调用爬虫: {' '.join(cmd)}")
+            proc = subprocess.run(cmd, capture_output=True, text=True)
+            
+            if proc.returncode != 0:
+                result = {"success": False, "message": f"爬取失败: {proc.stderr[:200]}"}
+            else:
+                # 解析爬虫输出获取文件路径
+                try:
+                    crawler_output = json.loads(proc.stdout.split("--- JSON 输出 ---")[-1].strip())
+                    if crawler_output.get("success"):
+                        # 直接使用爬虫输出的文件
+                        result = {
+                            "success": True,
+                            "type": "article",
+                            "title": crawler_output.get("title"),
+                            "filename": Path(crawler_output["filepath"]).name,
+                            "filepath": crawler_output["filepath"],
+                            "content_length": crawler_output.get("content_length"),
+                            "message": f"知乎专栏文章已爬取: {crawler_output.get('title')}"
+                        }
+                    else:
+                        result = {"success": False, "message": crawler_output.get("error", "爬取失败")}
+                except Exception as e:
+                    result = {"success": False, "message": f"解析爬虫输出失败: {str(e)}"}
+        else:
+            result = {"success": False, "message": f"未找到 zhihu_article_crawler.py: {crawler_script}"}
     else:
         result = {"success": False, "message": f"不支持的类型: {args.type}"}