Fetch Zhihu Content

Fetch Zhihu Content

下载任意知乎文章或回答的完整正文，保存为 Markdown 文件。支持：

• 知乎专栏文章: https://zhuanlan.zhihu.com/p/{id}
• 知乎回答: https://www.zhihu.com/question/{qid}/answer/{aid} 或 https://www.zhihu.com/answer/{aid}
• 知乎问题页: https://www.zhihu.com/question/{qid}

工作流程

1. 确认输入

用户提供知乎 URL 或告诉你要下载哪篇文章。

2. 运行抓取脚本

python /scripts/fetch_zhihu_content.py [--browser auto|chromium|firefox] <一个或多个知乎URL> [输出目录]

示例：

# 下载一篇（Windows 默认 Edge，Linux 默认 Firefox）
python scripts/fetch_zhihu_content.py https://zhuanlan.zhihu.com/p/123456

# 指定用 Firefox
python scripts/fetch_zhihu_content.py --browser firefox https://zhuanlan.zhihu.com/p/123456

# 下载多篇
python scripts/fetch_zhihu_content.py https://zhuanlan.zhihu.com/p/123456 https://www.zhihu.com/question/789/answer/456

# 指定输出目录
python scripts/fetch_zhihu_content.py https://zhuanlan.zhihu.com/p/123456 ./output

3. 脚本行为

1. 启动 Playwright（有头模式，弹出真实浏览器窗口渲染页面）
2. 依次访问每个 URL，等待页面加载
3. 智能选择正文容器（优先 .RichText，依次降级尝试其他选择器）
4. 提取标题（页面标题或 document.title）
5. 保存为 .md 文件
6. 自动关闭浏览器

4. 输出格式

脚本输出到终端：

• 每个 URL 的处理结果
• 正文长度
• 保存的文件路径

保存的文件：

• zhihu_{类型}_{标题前40字}.md — 含元数据和完整正文的 Markdown

注意事项

1. 需要 GUI 环境：Playwright 以 headed 模式启动真实浏览器。无 GUI 的服务器会自动使用 headless 模式。
2. 公开内容无需登录：知乎公开文章/回答可直接抓取，无需 Cookie
3. 私密内容需要登录：如需抓取付费内容或自己的草稿，需先准备 Cookie 文件
4. 依赖安装：

   pip install playwright
   playwright install firefox    # Linux（推荐）
   playwright install msedge     # Windows
   playwright install chromium   # 备选
   

5. 动态加载：知乎页面可能有懒加载内容，脚本会自动滚动页面触发加载
6. 指定浏览器：支持 --browser firefox / --browser chromium 参数