📦 知乎抓取.SKILL
v1.0.0知乎收藏夹与文章内容抓取：API/Playwright 多级降级、Cookie 持久化与保活、批量正文与图片、断点续传、可选写入 Obsidian。| Zhihu 收藏抓取、批量文章获取、Obsidian 导出。
by 运行时依赖
安装命令
点击复制技能文档
知乎数据抓取 从知乎获取收藏夹文章列表与正文 Markdown（含图片本地化），支持写入 Obsidian 知识库。命令与路径约定见下文；可视化说明见仓库根目录 README.md。
环境与约定 语言：默认与用户语种一致。 技能根目录：下文 ${CLAUDE_SKILL_DIR} 表示本 skill 仓库根目录（部分宿主 UI 中写作 {baseDir}，含义相同）。脚本均在 scripts/ 下。 工作区目录：脚本默认将 Cookie、浏览器用户数据、默认文章输出等放在 OPENCLAW_WORKSPACE 环境变量指定的目录；未设置时为 ~/.openclaw/workspace/。 依赖：在 scripts/ 下执行 pip install -r requirements.txt，并 playwright install chromium。
登录与可选页面验证 zhihu_login.py：打开浏览器等待登录，默认以检测到 z_c0 为成功条件即可结束（不要求额外跳转）。 可选二次校验：若用户希望登录后再确认「某一内需登录页」是否可访问（如某收藏夹页、专栏后台、关注动态等），属可选项，不设则不执行： 环境变量 ZHIHU_VERIFY_URL：值为完整 http:// 或 https:// URL； 或命令行第一个参数传入同一完整 URL：python "${CLAUDE_SKILL_DIR}/scripts/zhihu_login.py" "https://www.zhihu.com/..."。 脚本会访问该 URL，若正文仍出现知乎通用提示「请登录后查看」，则提示可能未登录完成；否则认为当前会话可访问该页。不限定于收藏夹，任意知乎链接均可（只要登录态相关）。 zhihu_relogin.py：Cookie 失效、需重新登录并写回 zhihu_cookies.json 时使用（会打开浏览器）。
触发条件 在用户使用以下任一方式时启用本技能： 明确提及：知乎、Zhihu、专栏、收藏夹、文章抓取、批量下载、Cookie、验证码、Obsidian、知识库同步等 粘贴 zhihu.com / zhuanlan.zhihu.com 链接并希望获取正文或列表 需要 断点续传、图片落盘、反爬 / Stealth 相关协助
工具与脚本路由 按任务选用能力；具体工具名以当前 Agent 环境为准。
常见任务与建议方式 任务 | 建议方式 获取收藏夹 JSON 列表 | Bash → python "${CLAUDE_SKILL_DIR}/scripts/fetch_zhihu_collection.py" <收藏夹URL或ID>；优先 API，失败降级 Playwright DOM 批量抓取正文与图片 | Bash → python "${CLAUDE_SKILL_DIR}/scripts/fetch_zhihu_batch.py" <列表.json> [输出目录] [图片目录]；默认输出目录见「路径约定」 写入 Obsidian Vault | Bash → python "${CLAUDE_SKILL_DIR}/scripts/write_to_obsidian.py" <文章目录> [Vault路径]；Vault：命令行优先，否则环境变量 OBSIDIAN_VAULT；会先找 <文章目录>/images，否则兼容同级 zhihu_images Cookie 失效需人工登录 | Bash → python "${CLAUDE_SKILL_DIR}/scripts/zhihu_relogin.py"（会打开浏览器窗口） 首次登录辅助（可选验证页） | Bash → zhihu_login.py；可选 ZHIHU_VERIFY_URL 或首个参数传入完整 http(s) 链接，见「登录与可选页面验证」 单篇快速验证 | Bash → fetch_zhihu_api.py / fetch_zhihu_stealth.py / fetch_zhihu_interactive.py / 汇总 fetch_zhihu.py（自动多策略），按场景选用
脚本一览 脚本 | 用途 | 典型场景 fetch_zhihu_collection.py | 收藏夹列表，智能版 | 输出 zhihu_collection_{id}.json fetch_zhihu_batch.py | 批量抓取，推荐 | 大量文章、图片、images/、_progress.json fetch_zhihu.py | 自动降级抓取 | 单篇、多策略串联 fetch_zhihu_api.py | API 直连 | 快速测试 fetch_zhihu_stealth.py | Playwright 隐身 | 绕过常见自动化检测 fetch_zhihu_interactive.py | 交互式浏览器 | 登录页、验证码 write_to_obsidian.py | 写入 Obsidian | 自动检测 Vault、智能分类、知乎收藏/ zhihu_relogin.py | 重新登录 | Cookie 不可用 zhihu_login.py | 登录辅助 | 检测 z_c0；可选访问 ZHIHU_VERIFY_URL / 命令行 URL 做页面级验证 zhihu_login_save.py | 登录并保存 | 按需配合 Cookie
流程（推荐执行顺序）
- 安装依赖：scripts/requirements.txt + Chromium。
- fetch_zhihu_collection.py → 得到收藏夹 JSON 列表。
- fetch_zhihu_batch.py → 生成 zhihu_articles_{collectionId}/（含 _progress.json、images/、编号 .md）。
- （可选）write_to_obsidian.py → 同步到 {Vault}/知乎收藏/{分类}/。
路径与输出约定 批量抓取命令格式 python fetch_zhihu_batch.py <列表文件> [输出目录] [图片目录] 参数 | 说明 列表文件 | fetch_zhihu_collection.py 产出的 JSON 输出目录 | 可选；省略时默认为 {workspace}/zhihu_articles_{collectionId}/（collectionId 由列表文件名推导） 图片目录 | 可选；省略时默认为 {输出目录}/images/
目录结构示例 zhihu_articles_{collectionId}/ ├── _progress.json # 断点续传 ├── images/ # 默认图片目录 │ └── ... ├── 0001_文章标题.md └── ...
单篇文章格式要点 YAML frontmatter：title、author、source、url、voteup、images 等 正文为 Markdown；图片引用指向本地 images/ 下文件名（或脚本生成的相对路径） 示例结构： --- title: "文章标题" author: "作者" source: zhihu url: "https://..." voteup: 123 images: 5 --- # 文章标题
作者: xxx | 原文: 知乎链接正文...
持久化文件（默认 workspace） 用途 | 路径 Cookie | {workspace}/zhihu_cookies.json Playwright 用户数据 | {workspace}/chrome_user_data/ 默认文章目录 | {workspace}/zhihu_articles_{collectionId}/ 默认图片目录 | {文章输出目录}/images/
Obsidian 写入要点 Vault：① 命令行第二个参数（优先让用户直接写出 Vault 根路径）；② 未传时使用环境变量 OBSIDIAN_VAULT（单个路径）；③ 仍无时脚本按常见目录扫描，多个命中时再交互选择。 分类：优先对齐已有 知乎收藏/ 子目录；否则按内容关键词；无法归类则 「未分类」。 落盘：{Vault}/知乎收藏/{分类}/{文章标题}.md；图片同步规则见 write_to_obsidian.py（目标侧常有集中 images 目录）。
已知问题与对策 1 Cookie 失效：标题「安全验证」、/account/unhuman → 持久化上下文 + 内置保活；仍失败则 zhihu_relogin.py 2 收藏夹 API 分页：带 include 时列表可能被截断 → fetch_zhihu_collection.py 已内置 API ↔ DOM 切换；必要时减少 include 或走浏览器分页 3 反爬：Headless 被识别 → Stealth、UA、间隔；必要时 fetch_zhihu_interactive.py 4 API 正文不完整：include 只给摘要 → 批量与单篇流程中已优先 页面 DOM 拉全文 5 图片下载失败 → 正文仍保留原 URL；排查网络、Referer、过期链接 6 Windows 控制台 GBK → 脚本已 sys.stdout.reconfigure(encoding='utf-8') 7 批量中断 → 直接再次运行 fetch_zhihu_batch.py，依赖 _progress.json
故障排查流程（摘要） 正文全空？ → Cookie（含 z_c0）→ 是否跳转验证页 → zhihu_relogin.py 图片失败？ → URL/网络/Referer → Markdown 中仍可保留链接 批量中途停止？ → 确认 _progress.json → 原命令重跑
Agent 自用工作流检查清单 □ 已确认 scripts 依赖与 playwright chromium 可用；必要时提示用户设置 OPENCLAW_WORKSPACE □ 收藏夹任务：已运行 fetch_zhihu_collection.py 并得到合法 JSON，再执行 fetch_zhihu_batch.py □ 批量输出路径：知悉默认 {workspace}/zhihu_articles_ 与 images/ 子目录；第三个参数仅在自定义图片目录时需要 □ Obsidian：write_to_obsidian.py 的文章目录含 *.md 与 images/；Vault 优先命令行路径或 OBSIDIAN_VAULT □ 遇验证页或全文为空：优先 Cookie/重登录，而非重复盲目加大并发 □ 用户仅需单篇或调试：选用 fetch_zhihu_api / stealth / interactive / fetch_zhihu，避免不必要批量