zhihu-fetch-skill（知乎取技能）

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

脚本一览

主流程（推荐执行顺序）

1. 安装依赖：scripts/requirements.txt + Chromium。
2. fetch_zhihu_collection.py → 得到收藏夹 JSON 列表。
3. fetch_zhihu_batch.py → 生成 zhihu_articles_{collectionId}/（含 _progress.json、images/、编号 ***.md**）。
4. （可选）write_to_obsidian.py → 同步到 {Vault}/知乎收藏/{分类}/。

中断批量任务时：重新运行同一条 fetch_zhihu_batch.py 命令即可续跑（已完成 URL 记录在 _progress.json）。

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]

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](https://...)

正文...

持久化文件（默认 workspace）

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

Cookie 保活机制

脚本内置多层 Cookie 保活策略：

1. 主动 TTL 检测（每篇文章）：解析 z_c0 的 expires 字段，剩余 < 30 分钟时自动触发激进刷新
2. 常规保活（每 5-8 篇）：访问知乎列表页 + 模拟滚动
3. 激进保活（每 ~20 篇）：访问实际文章页 + 模拟阅读（停留 2-5 秒 + 滚动）
4. 被动检测：每次访问文章时检查是否被重定向到 /account/unhuman 或 /signin
5. 自动恢复：检测到失效时，自动尝试 3 次激进保活恢复
6. Cookie 备份：每次保活后自动从浏览器提取最新 Cookie 保存到文件（扩展格式含 expires）
7. 安全退出：脚本结束前保存最新 Cookie + 当前进度

失败处理策略

脚本采用两级失败处理，区分「文章本身问题」和「环境问题」：

工作原理：

• 失败先缓存在内存中，不立即写入进度文件
• 下一条成功时，将缓存的失败记录批量写入进度文件（确认是文章问题）
• 连续失败达到阈值（5 次）时，中断抓取，丢弃缓存（保留重试机会）

相关常量：

• CONSECUTIVE_FAIL_THRESHOLD = 5：连续失败阈值
• CONSECUTIVE_FAIL_INTERRUPT = True：是否在连续失败时中断

重试模式：

python fetch_zhihu_batch.py <列表文件> [输出目录] [图片目录] --retry-failed

此模式会清空 failed 列表，只重试之前记录为失败的文章。

故障排查流程

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