lanyuanxiaoyao
6b4fcf2647
- 新增 skill: lyxy-reader-html，用于解析 HTML 文件和 URL 网页内容 - 支持 URL 下载（pyppeteer → selenium → httpx → urllib 优先级回退） - 支持 HTML 解析（trafilatura → domscribe → MarkItDown → html2text 优先级回退） - 支持查询功能：全文提取、字数统计、行数统计、标题提取、章节提取、正则搜索 - 新增 spec: html-document-parsing - 归档 change: create-lyxy-reader-html-skill
2.1 KiB
2.1 KiB
错误处理和限制说明
限制
- 不支持图片提取（仅纯文本）
- 不支持复杂的格式保留（字体、颜色、布局等）
- 不支持文档编辑或修改
- 仅支持 URL、.html、.htm 格式
- pyppeteer 和 selenium 需要额外配置环境变量
最佳实践
- 必须优先使用 lyxy-runner-python：如果环境中存在，必须使用 lyxy-runner-python 执行脚本
- 查阅 README：详细参数、依赖安装、下载器/解析器对比等信息请阅读
scripts/README.md - JS 渲染网页：对于需要 JS 渲染的网页，确保安装 pyppeteer 或 selenium 并正确配置环境变量
- 轻量使用：如果目标网页不需要 JS 渲染，可以只安装 httpx/urllib 以获得更快的下载速度
- 禁止自动安装：降级到直接 Python 执行时，仅向用户提示安装依赖，不得自动执行 pip install
依赖执行策略
必须使用 lyxy-runner-python
如果环境中存在 lyxy-runner-python skill，必须使用它来执行 parser.py 脚本：
- lyxy-runner-python 使用 uv 管理依赖，自动安装所需的第三方库
- 环境隔离，不污染系统 Python
- 跨平台兼容（Windows/macOS/Linux）
降级到直接执行
仅当 lyxy-runner-python skill 不存在时，才降级到直接 Python 执行：
- 需要用户手动安装依赖
- 至少需要安装 html2text 和 beautifulsoup4
- 禁止自动执行 pip install，仅向用户提示安装建议
JS 渲染配置
pyppeteer 配置
- 首次运行会自动下载 Chromium（需要网络连接）
- 或设置
LYXY_CHROMIUM_BINARY环境变量指定 Chromium/Chrome 可执行文件路径
selenium 配置
必须设置两个环境变量：
LYXY_CHROMIUM_DRIVER- ChromeDriver 可执行文件路径LYXY_CHROMIUM_BINARY- Chromium/Chrome 可执行文件路径
不适用场景
- 需要提取图片内容（仅支持纯文本）
- 需要保留复杂的格式信息（字体、颜色、布局）
- 需要编辑或修改文档
- 需要登录或认证才能访问的网页（需自行处理 Cookie/Token）
- 需要处理动态内容加载但不使用 JS 渲染的情况