Skill/openspec/changes/archive/2026-03-08-create-lyxy-reader-html-skill/tasks.md

1. 初始化 Skill 目录结构

• 1.1 创建 skills/lyxy-reader-html/ 目录
• 1.2 创建 skills/lyxy-reader-html/scripts/ 子目录
• 1.3 创建 skills/lyxy-reader-html/references/ 子目录

2. 创建 SKILL.md 主文档

• 2.1 编写 YAML 前置元数据（name、description、compatibility）
• 2.2 编写 Purpose 章节
• 2.3 编写 When to Use 章节（含触发词）
• 2.4 编写 Quick Reference 章节（参数表）
• 2.5 编写 Workflow 章节
• 2.6 编写 References 章节

3. 实现 common.py 公共模块

• 3.1 实现 HTML 清理函数 clean_html_content()
• 3.2 实现 Markdown 图片移除函数 remove_markdown_images()
• 3.3 实现 Markdown 空行规范化函数 normalize_markdown_whitespace()
• 3.4 实现标题级别检测函数 get_heading_level()
• 3.5 实现标题提取函数 extract_titles()
• 3.6 实现章节内容提取函数 extract_title_content()
• 3.7 实现正则搜索函数 search_markdown()

4. 实现 downloader.py URL 下载模块

• 4.1 实现 download_with_pyppeteer() 函数
• 4.2 实现 download_with_selenium() 函数
• 4.3 实现 download_with_httpx() 函数
• 4.4 实现 download_with_urllib() 函数
• 4.5 实现统一的 download_html() 入口函数，按优先级尝试各下载器

5. 实现 html_parser.py HTML 解析模块

• 5.1 实现 parse_with_trafilatura() 函数
• 5.2 实现 parse_with_domscribe() 函数
• 5.3 实现 parse_with_markitdown() 函数
• 5.4 实现 parse_with_html2text() 函数
• 5.5 实现统一的 parse_html() 入口函数，按优先级尝试各解析器

6. 实现 parser.py 命令行入口

• 6.1 实现命令行参数解析（argparse）
• 6.2 实现输入源判断（URL / HTML 文件）
• 6.3 实现 URL 下载流程（如需要）
• 6.4 实现 HTML 清理流程
• 6.5 实现 HTML 解析流程
• 6.6 实现 Markdown 后处理（移除图片、规范化空行）
• 6.7 实现各查询模式（全文、字数、行数、标题、章节、搜索）
• 6.8 实现错误处理和退出码

7. 创建参考文档

• 7.1 创建 scripts/README.md 详细使用文档
• 7.2 创建 references/examples.md 使用示例
• 7.3 创建 references/parsers.md 解析器说明
• 7.4 创建 references/error-handling.md 错误处理指南