WebFetch MD - 网页转 Markdown

抓取任意网页，转换为干净的 Markdown 格式，保留图片链接。

使用方法

作为 OpenClaw 工具调用

webfetch-md url="https://example.com"

CLI 使用

# 基本使用（输出 JSON 格式）
npx webfetch-md https://example.com

# 或使用 --url 参数
npx webfetch-md --url https://example.com

# 提取 Markdown 内容（配合 jq）
npx webfetch-md https://example.com | jq -r '.markdown'

# 保存到文件
npx webfetch-md https://example.com | jq -r '.markdown' > article.md

输出格式

CLI 和工具都输出统一的 JSON 格式：

{
  "success": true,
  "title": "文章标题",
  "markdown": "# 文章标题\n\n正文内容...",
  "images": ["https://example.com/img1.png"],
  "imageCount": 1,
  "contentLength": 1523
}

作为模块使用

const { fetchAsMarkdown } = require('./index');
const result = await fetchAsMarkdown('https://example.com');
console.log(result.markdown);

功能特点

• ✅ 抓取任意网页 HTML
• ✅ 智能提取正文内容（过滤导航、广告等）
• ✅ 保留图片链接（转换为 ![alt](url) 格式）
• ✅ 自动转换相对路径为绝对路径
• ✅ 输出干净的 Markdown

依赖

• turndown: HTML to Markdown 转换
• cheerio: HTML 解析和提取

技术实现

核心流程

1. 网页抓取：使用 fetch API 获取 HTML，模拟浏览器 User-Agent
2. HTML解析：使用 cheerio 加载和解析 HTML 内容
3. 内容提取：智能识别正文区域，过滤无关元素
4. URL处理：将相对路径转换为绝对路径
5. Markdown转换：使用 turndown 转换为标准 Markdown 格式

智能内容提取算法

按优先级选择正文容器：

1. article 标签
2. main 标签
3. [role="main"] 属性
4. .post-content / .entry-content 类
5. .content / .post 类
6. #content / #main ID
7. 回退到 body 标签

自动过滤的元素

• 脚本和样式标签
• 导航、页眉、页脚
• 侧边栏和广告区域
• 评论区

错误处理

工具返回统一的 JSON 格式，包含 success 字段标识操作状态：

{
  "success": false,
  "error": "错误信息"
}

开发说明

项目结构

webfetch-md/
├── index.js          # 核心功能模块
├── cli.js           # CLI 和 OpenClaw 工具入口
├── package.json     # 依赖配置
├── test.js          # 测试脚本
└── SKILL.md         # 技能文档

测试

# 运行测试
npm test

# 或直接测试
node test.js https://example.com

版本历史

• v1.1.0 (当前): 统一 CLI 和 OpenClaw 工具入口，优化错误处理
• v1.0.1: 基础功能实现，支持网页抓取和 Markdown 转换
• v1.0.0: 初始版本发布