193d2b375d
- kb-zhihu-metadata: 新增 zhihu_article_crawler.py 支持爬取知乎专栏文章 - kb-zhihu-content: 添加 article-from-media 类型支持从 MediaCrawler 数据读取 - 更新 SKILL.md 文档说明新功能
2.3 KiB
2.3 KiB
KB Zhihu Metadata Skill
kb-zhihu-metadata - Extract Zhihu question/answer/user metadata and crawl articles.
Features
- Question metadata extraction
- Answer metadata extraction
- User information extraction
- Article crawling using MediaCrawler (NEW!)
- JSON output format
- Markdown conversion support
- Cookie 支持:可配置 ZHIHU_COOKIE 访问需要登录的内容
环境变量
| 变量名 | 用途 | 必需 |
|---|---|---|
ZHIHU_COOKIE |
知乎登录 Cookie | 推荐(访问专栏等需要) |
获取 ZHIHU_COOKIE:
- 登录知乎网页版
- 打开开发者工具 (F12) → Application → Cookies → zhihu.com
- 复制 Cookie 字符串
# 添加到 ~/.kb_env
echo 'export ZHIHU_COOKIE="你的知乎Cookie"' >> ~/.kb_env
source ~/.kb_env
Commands
# Question metadata
python zhihu_metadata.py --id "266309957" --type question
# Answer metadata
python zhihu_metadata.py --id "2003427891925509507" --type answer
# 专栏文章爬取 (使用 MediaCrawler) ⚡ NEW!
python zhihu_article_crawler.py --url "https://zhuanlan.zhihu.com/p/1894054073625461813" --output "~/work/knowledge-base/data/zhihu/"
MediaCrawler 爬取文章
新功能:使用 MediaCrawler 爬取知乎专栏文章
环境要求
MediaCrawler 已安装在 ~/work/MediaCrawler
使用方法
# 爬取单篇文章
python zhihu_article_crawler.py --url "https://zhuanlan.zhihu.com/p/XXXXX"
# 指定输出目录
python zhihu_article_crawler.py --url "https://zhuanlan.zhihu.com/p/XXXXX" --output "/path/to/output/"
# 输出示例
{
"success": true,
"type": "article",
"title": "如何高效的爬取微信公众号",
"filepath": "/home/xxx/work/knowledge-base/data/zhihu/zhihu_article_如何高效的爬取微信公众号.md",
"content_length": 4563,
"message": "爬取成功: 如何高效的爬取微信公众号"
}
工作原理
- 调用 MediaCrawler 爬取文章
- 从 JSON 输出中提取内容
- 转换为 Markdown 格式(带 frontmatter)
- 保存到指定目录
Output
{
"success": true,
"data": {
"platform": "zhihu",
"type": "question",
"id": "266309957",
"title": "问题标题",
"author": "作者名字",
"answer_count": 50,
"followers": 1000
}
}
Installation
cp -r kb-zhihu-metadata/ ~/skills/