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
60 lines
1.4 KiB
Markdown
60 lines
1.4 KiB
Markdown
# 示例
|
||
|
||
## URL 输入 - 提取完整文档内容
|
||
|
||
```bash
|
||
# 使用 uv（推荐）
|
||
uv run --with trafilatura --with domscribe --with markitdown --with html2text --with httpx --with beautifulsoup4 scripts/parser.py https://example.com
|
||
|
||
# 直接使用 Python
|
||
python scripts/parser.py https://example.com
|
||
```
|
||
|
||
## HTML 文件输入 - 提取完整文档内容
|
||
|
||
```bash
|
||
# 使用 uv（推荐）
|
||
uv run --with trafilatura --with domscribe --with markitdown --with html2text --with beautifulsoup4 scripts/parser.py page.html
|
||
|
||
# 直接使用 Python
|
||
python scripts/parser.py page.html
|
||
```
|
||
|
||
## 获取文档字数
|
||
|
||
```bash
|
||
uv run --with trafilatura --with html2text --with beautifulsoup4 scripts/parser.py -c https://example.com
|
||
```
|
||
|
||
## 获取文档行数
|
||
|
||
```bash
|
||
uv run --with trafilatura --with html2text --with beautifulsoup4 scripts/parser.py -l https://example.com
|
||
```
|
||
|
||
## 提取所有标题
|
||
|
||
```bash
|
||
uv run --with trafilatura --with html2text --with beautifulsoup4 scripts/parser.py -t https://example.com
|
||
```
|
||
|
||
## 提取指定章节
|
||
|
||
```bash
|
||
uv run --with trafilatura --with html2text --with beautifulsoup4 scripts/parser.py -tc "关于我们" https://example.com
|
||
```
|
||
|
||
## 搜索关键词
|
||
|
||
```bash
|
||
uv run --with trafilatura --with html2text --with beautifulsoup4 scripts/parser.py -s "关键词" -n 3 https://example.com
|
||
```
|
||
|
||
## 降级到直接 Python 执行
|
||
|
||
仅当 lyxy-runner-python skill 不存在时使用：
|
||
|
||
```bash
|
||
python3 scripts/parser.py https://example.com
|
||
```
|