自动同步: 2026-03-14 02:10

2026-03-14 02:10:08 +08:00
parent 8da5f11591
commit 3b83bbb929
52 changed files with 4378 additions and 1930 deletions
@@ -1,101 +1,207 @@
+---
+name: kb-zhihu-metadata
+description: 知乎元数据提取 - 获取问题/回答/专栏/视频的详细信息
+---
+
 # KB Zhihu Metadata Skill

-**kb-zhihu-metadata** - Extract Zhihu question/answer/user metadata and crawl articles.
+**kb-zhihu-metadata** - 提取知乎问题、回答、用户、专栏的元数据。

-## Features
+## 什么时候使用

- 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
+- kb-workflow 步骤 2：获取知乎内容的元数据
+- 需要问题标题、回答者、文章标题等信息
+
+## 功能
+
+- 问题元数据提取
+- 回答元数据提取
+- 用户信息提取
+- 专栏文章爬取（使用 MediaCrawler）
+- 支持 `ZHIHU_COOKIE` 环境变量

 ## 环境变量

-| 变量名 | 用途 | 必需 |
+| 变量名 | 必需 | 说明 |
 |--------|------|------|
-| `ZHIHU_COOKIE` | 知乎登录 Cookie | 推荐（访问专栏等需要） |
+| `ZHIHU_COOKIE` | 推荐 | 知乎登录 Cookie（访问专栏等需要） |

-**获取 ZHIHU_COOKIE**：
+**获取 Cookie：**
 1. 登录知乎网页版
-2. 打开开发者工具 (F12) → Application → Cookies → zhihu.com
+2. F12 → Application → Cookies → zhihu.com
 3. 复制 Cookie 字符串

 ```bash
-# 添加到 ~/.kb_env
-echo 'export ZHIHU_COOKIE="你的知乎Cookie"' >> ~/.kb_env
-source ~/.kb_env
+export ZHIHU_COOKIE="你的知乎Cookie"
 ```

-## Commands
+## 命令

 ```bash
-# Question metadata
-python zhihu_metadata.py --id "266309957" --type question
+# 问题元数据
+python3 zhihu_metadata.py --id "266309957" --type question

-# Answer metadata
-python zhihu_metadata.py --id "2003427891925509507" --type answer
+# 回答元数据
+python3 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/"
+# 知乎视频
+python3 zhihu_metadata.py --id "123456789" --type zvideo
+
+# 专栏文章爬取（使用 MediaCrawler）
+python3 zhihu_article_crawler.py --url "https://zhuanlan.zhihu.com/p/1894054073625461813" --output "~/work/knowledge-base/data/zhihu/"
 ```

-## MediaCrawler 爬取文章
+## 输出格式 Schema

-**新功能**：使用 MediaCrawler 爬取知乎专栏文章
+### 必需字段

-### 环境要求
+| 字段 | 类型 | 说明 |
+|------|------|------|
+| `success` | boolean | 是否提取成功 |
+| `platform` | string | 固定为 `zhihu` |
+| `content_id` | string | 内容 ID |
+| `content_type` | string | 内容类型 |
+| `title` | string | 标题 |

-MediaCrawler 已安装在 `~/work/MediaCrawler`
+### 可选字段

-### 使用方法
+| 字段 | 类型 | 说明 |
+|------|------|------|
+| `author` | string | 作者名称 |
+| `excerpt` | string | 摘要 |
+| `stats` | object | 统计数据 |
+| `output_file` | string | 输出文件路径 |
+| `error` | string | 错误信息 |

-```bash
-# 爬取单篇文章
-python zhihu_article_crawler.py --url "https://zhuanlan.zhihu.com/p/XXXXX"
+## 成功示例

-# 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
-
-1. 调用 MediaCrawler 爬取文章
-2. 从 JSON 输出中提取内容
-3. 转换为 Markdown 格式（带 frontmatter）
-4. 保存到指定目录
-
-## Output
+### 问题元数据

 ```json
 {
  "success": true,
-  "data": {
-    "platform": "zhihu",
-    "type": "question",
-    "id": "266309957",
-    "title": "问题标题",
-    "author": "作者名字",
+  "platform": "zhihu",
+  "content_type": "question",
+  "content_id": "266309957",
+  "title": "问题标题",
+  "excerpt": "问题描述...",
+  "stats": {
    "answer_count": 50,
-    "followers": 1000
-  }
+    "follower_count": 1000,
+    "view_count": 50000
+  },
+  "output_file": "metadata/zhihu_266309957.meta.json"
 }
 ```

-## Installation
+### 回答元数据
+
+```json
+{
+  "success": true,
+  "platform": "zhihu",
+  "content_type": "answer",
+  "content_id": "2003427891925509507",
+  "title": "问题标题（回答所属问题）",
+  "author": "回答者名字",
+  "excerpt": "回答摘要...",
+  "stats": {
+    "voteup_count": 1000,
+    "comment_count": 50
+  },
+  "output_file": "metadata/zhihu_2003427891925509507.meta.json"
+}
+```
+
+### 专栏文章
+
+```json
+{
+  "success": true,
+  "platform": "zhihu",
+  "content_type": "zhuanlan",
+  "content_id": "1894054073625461813",
+  "title": "文章标题",
+  "author": "作者名字",
+  "excerpt": "文章摘要...",
+  "output_file": "metadata/zhihu_1894054073625461813.meta.json"
+}
+```
+
+### 知乎视频
+
+```json
+{
+  "success": true,
+  "platform": "zhihu",
+  "content_type": "zvideo",
+  "content_id": "123456789",
+  "title": "视频标题",
+  "author": "作者名字",
+  "duration": "10:30",
+  "output_file": "metadata/zhihu_123456789.meta.json"
+}
+```
+
+## 错误示例
+
+### 内容不存在
+
+```json
+{
+  "success": false,
+  "platform": "zhihu",
+  "content_id": "invalid_id",
+  "content_type": "question",
+  "error": "问题不存在或已被删除"
+}
+```
+
+### 需要登录
+
+```json
+{
+  "success": false,
+  "platform": "zhihu",
+  "content_id": "1894054073625461813",
+  "content_type": "zhuanlan",
+  "error": "需要登录才能访问",
+  "suggestion": "请配置 ZHIHU_COOKIE 环境变量"
+}
+```
+
+### 网络错误
+
+```json
+{
+  "success": false,
+  "error": "网络请求失败: Connection timeout"
+}
+```
+
+## 安装

 ```bash
-cp -r kb-zhihu-metadata/ ~/skills/
+cp -r kb-zhihu-metadata/ ~/.openclaw/skills/
+pip install httpx
 ```
+
+## 在 kb-workflow 中的使用
+
+```bash
+# 步骤 2：元数据提取（知乎问题）
+python3 ~/.openclaw/skills/kb-zhihu-metadata/zhihu_metadata.py \
+    --id "266309957" --type question \
+    --output "metadata/zhihu_266309957.meta.json"
+
+# 步骤 2：元数据提取（知乎视频）
+python3 ~/.openclaw/skills/kb-zhihu-metadata/zhihu_metadata.py \
+    --id "123456789" --type zvideo \
+    --output "metadata/zhihu_123456789.meta.json"
+```
+
+## 注意事项
+
+- 专栏文章可能需要登录才能访问
+- MediaCrawler 需要单独安装：`~/work/MediaCrawler`
+- 部分内容可能有访问限制