知乎提取器:从 Playwright 迁移到 DrissionPage 方案

- 使用 DrissionPage 替代 Playwright
- 实现 Cookie 管理和反爬绕过
- 支持回答/文章/问题三种内容类型
- 灵活配置(文件/环境变量/配置文件)
- 更新文档和配置文件
This commit is contained in:
OpenClaw Agent
2026-02-08 05:56:27 +08:00
parent aa206a1679
commit a69225ff2b
8 changed files with 665 additions and 79 deletions
+45 -31
View File
@@ -6,7 +6,7 @@
- **多源内容聚合**: 支持 Bilibili、YouTube、知乎等平台
- **增强型 Bilibili 提取**: 使用 Playwright 绕过反爬检测,支持字幕和弹幕提取
- **知乎内容提取**: 支持知乎回答和文章,完整 Markdown 格式保留,支持代码块、表格等
- **知乎内容提取**: 使用 DrissionPage + Cookie,支持回答、文章和问题,完整 Markdown 格式保留
- **智能收件箱**: AI 质量评分,自动分类
- **长视频分段分析**: 30分钟+ 视频自动分段处理
- **无字幕处理**: 智能处理无字幕视频,基于元数据生成内容
@@ -200,13 +200,23 @@ obsidian-kb/
## 知乎提取
知乎提取器支持回答和文章两种类型,使用 Playwright 绕过反爬虫保护,返回完整 Markdown 格式。
支持知乎回答、文章和问题的提取。
### 支持的内容类型
**支持的内容类型:**
- ✅ 知乎回答:`https://www.zhihu.com/question/xxx/answer/yyy`
- ✅ 知乎文章:`https://zhuanlan.zhihu.com/p/xxx`
- ✅ 知乎问题:`https://www.zhihu.com/question/xxx`
- **知乎回答**: `https://www.zhihu.com/question/xxx/answer/yyy`
- **知乎文章**: `https://zhuanlan.zhihu.com/p/xxx`
- **知乎问题**: `https://www.zhihu.com/question/xxx`
**技术方案:**
- 使用 DrissionPage 浏览器自动化工具
- 通过 Cookie 验证登录状态
- 完整 Markdown 格式输出
**优势:**
- 稳定可靠,绕过反爬虫保护
- 支持无头模式,适合服务器环境
- Cookie 管理灵活(文件/环境变量/配置文件)
- 内存占用低,每次提取独立启动浏览器
### 输出格式
@@ -245,36 +255,40 @@ obsidian-kb/
```yaml
zhihu:
enabled: true
use_playwright: true # 使用 Playwright(推荐)
cookie_file: "" # 可选:Cookie 文件路径
timeout: 30 # 超时时间(秒)
max_retries: 2 # 最大重试次数
use_drissionpage: true # 使用 DrissionPage(推荐)
cookie_file: ~/.obsidian-kb/zhihu_cookies.json # Cookie 文件路径
cookie_str: "" # 可选:直接在配置中填入 Cookie JSON
timeout: 30
headless: true
```
### 降级机制
**Cookie 获取方式:**
1. 在有浏览器的机器上登录知乎
2. 打开开发者工具 (F12)
3. 进入 Application → Cookies → https://www.zhihu.com
4. 导出所有 Cookie 为 JSON 文件
5. 上传到服务器指定路径
当 Playwright 提取失败时,系统会自动降级到 HTTP 方案:
- Playwright 未安装 → 使用 HTTP 请求
- 网络超时 → 重试后降级
- 403 错误 → 降级到 HTTP
- 运行时错误 → 降级到 HTTP
### 安装依赖
知乎提取器需要以下依赖:
```bash
# 使用虚拟环境(推荐)
cd obsidian-kb
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# 安装 Playwright 浏览器
playwright install chromium
**Cookie 文件格式:**
```json
[
{
"name": "z_c0",
"value": "xxx",
"domain": ".zhihu.com",
"path": "/",
"expiry": 1234567890,
"secure": true,
"httpOnly": false
}
]
```
**Cookie 加载优先级:**
1. 配置文件中的 `cookie_str`(最高优先级)
2. 环境变量 `ZHIHU_COOKIE`
3. Cookie 文件(最低优先级)
---
## 长视频分段策略