📦 豆包链接转MD

Doubao 分享 to Markdown Overview

从豆包（Doubao）分享链接中提取对话内容，生成结构化排版的 Markdown 文档。支持所有分享类型（对话、智能体、文件等），保留文字、代码块、表格、图片、LaTeX 等全部内容。

工作流程 决策树 用户提供豆包分享链接 ↓

• 依赖检查：Python 依赖是否已安装？

├── 否 → 运行 安装_deps.py 安装依赖 └── 是 → 继续 ↓

• 选择抓取模式

├── --playwright 模式（推荐）：启动浏览器渲染 + 自动拦截 API 响应 │ → 运行 提取_doubao_md.py --url ... --playwright └── 静态抓取模式：直接 HTTP 请求，尝试从 HTML 提取嵌入数据 → 运行 提取_doubao_md.py --url ... ↓

• 数据提取是否成功？（5种方式依次尝试）

├── 是 → 解析消息数据 → 生成 Markdown └── 否（静态模式失败时） ├── 添加 --playwright 参数重试 │ ├── Playwright 成功 → 生成 Markdown │ └── Playwright 也失败 → 回退到 Browser 自动化 └── 使用 Browser 自动化 技能获取渲染后 HTML → 运行 提取_doubao_md.py --html → 生成 Markdown ↓

• 输出 .md 文件路径给用户

Step 1: 检查并安装依赖

首次使用时需安装 Python 依赖。运行安装脚本：

python3 scripts/安装_deps.py

或手动安装：

pip3 安装 请求s beautifulsoup4 lxml Pillow playwright playwright 安装 chromium

⚠️ Playwright 和 Chromium 是可选依赖，仅 --playwright 模式需要。如磁盘空间有限可跳过，但大多数豆包分享页需要 JS 渲染。

Step 2: 提取并生成 Markdown 文档

模式 A：Playwright 模式（推荐，适用于大多数豆包分享链接）

python3 scripts/提取_doubao_md.py --url "https://www.doubao.com/thread/xxxxx" --输出 "输出文件名.md" --playwright

模式 B：静态抓取模式（仅对部分内嵌数据的页面有效）

python3 scripts/提取_doubao_md.py --url "https://www.doubao.com/thread/xxxxx" --输出 "输出文件名.md"

模式 C：本地 HTML 文件解析（浏览器渲染后）

配合 Browser 自动化 技能使用：

python3 scripts/提取_doubao_md.py --html "page.html" --输出 "输出文件名.md"

可选参数：

--image-dir：指定图片保存目录（默认：输出文件名_images/） Step 3: 回退策略

当 --url 静态模式报错时，按以下顺序尝试：

添加 --playwright 参数：大多数豆包页面需要 JS 渲染 使用 Browser 自动化 技能：加载 [技能:Browser 自动化]，打开链接获取渲染后 HTML 手动保存 HTML：在浏览器中打开链接，Ctrl+S 保存完整网页，用 --html 模式解析 数据提取原理

豆包分享页面将完整对话数据嵌入 HTML 中（SSR），代码按以下优先级依次尝试 5 种提取方式：

modern-运行-路由r-data-fn（优先级1）：从