文章知识库获取工具

中文 | English

content-capture-kit 用于把 X/Twitter 长文、微信公众号文章、普通网页文章导出成适合放进 Obsidian 的 Markdown 知识库。

默认目标不是做网页备份，而是把文章整理成可阅读、可链接、可长期维护的本地资料。

功能概览

• 获取单篇 X 长文，保存为 Markdown。
• 获取普通网页 URL，并使用 Defuddle 转 Markdown。
• 获取单篇微信公众号文章。
• 获取微信公众号合集文章，并按入口文章中的章节标题自动创建分类目录。
• 下载图片到本地 image/ 目录。
• 微信公众号视频默认不下载。
• X 文章视频会尽量下载到本地 video/ 目录。
• 文件名和路径会做清理，适合放进 Obsidian。

平台支持状态

| 平台 | 状态 | 当前支持 | 命令入口 | 说明 | | --- | --- | --- | --- | --- | | X/Twitter | 已完成 | 单篇长文获取，图片本地化，视频尽量本地化 | content-capture x article | 只支持单篇文章，不支持按用户批量获取。 | | 微信公众号 | 已完成 | 单篇文章、合集文章、子文章目录归类、图片本地化 | content-capture wechat | 微信视频不下载；遇到验证页需要稍后重试。 | | 普通网页 | 已完成 | 网页正文转 Markdown，图片本地化，Defuddle 兜底 | content-capture web | 适合静态文章页；动态页面效果取决于页面结构。 | | 小红书 | 未完成 | 暂不支持 | 暂无 | 后续计划支持图文/视频资源获取。 | | 抖音 | 未完成 | 暂不支持 | 暂无 | 后续计划支持视频资源获取。 | | B 站 | 未完成 | 暂不支持 | 暂无 | 后续计划支持视频、专栏或合集资源获取。 | | 视频号 | 未完成 | 暂不支持 | 暂无 | 后续计划支持公开视频资源获取。 | | YouTube | 未完成 | 暂不支持 | 暂无 | 后续计划支持视频、字幕和描述信息获取。 |

安装

npx

如果你只想临时运行，不需要全局安装：

npx content-capture-kit --help
npx content-capture-kit x article https://x.com/example_author/status/1234567890123456789 --out output

也可以用 npm 全局安装，安装后会提供 content-capture 命令：

npm install -g content-capture-kit
content-capture --help

环境要求：Node.js 18 或更新版本；本机需要能运行 Python 3.11 或更新版本。npm 包会携带 Python 源码并通过本机 Python 执行，不会自动安装 Python。普通网页获取的 Defuddle 兜底仍需要你本机已安装 defuddle。

Homebrew

推荐用 Homebrew 安装：

brew tap yanyansay/content-capture-kit https://github.com/yanyansay/content-capture-kit
brew install content-capture-kit

安装完成后使用统一命令：

content-capture --help

本地开发

python3 -m pip install -e .

普通网页获取依赖本机 Defuddle，安装后工具会在需要时调用：

defuddle parse https://example.com/article --md

X 只支持单篇文章获取，默认走免费转换路径。

新用户先看这里

如果你只是想把一篇内容放进 Obsidian，通常只需要选择一个平台入口，再指定输出目录：

| 你要获取的内容 | 使用命令 | | --- | --- | | X 单篇长文 | content-capture x article <x-url-or-id> --out <output-dir> | | 微信公众号单篇文章 | content-capture wechat <mp.weixin-url> --out <output-dir> | | 微信公众号合集知识库 | content-capture wechat <mp.weixin-url> --deep --out <output-dir> | | 普通网页文章 | content-capture web <url> --out <output-dir> |

建议第一次使用时，把 --out 指向一个临时目录，例如 output/test。确认 Markdown、图片路径和目录结构符合预期后，再把 --out 指向 Obsidian vault 里的正式目录。

当前边界

• 未完成的平台还没有命令入口，传入这些平台的链接不会自动获取出完整内容。
• 微信公众号请优先使用 content-capture wechat，不要用 content-capture web 处理公众号文章。
• content-capture wechat 默认只获取单篇文章；只有加 --deep 或 --knowledge-base 时才按知识库逻辑获取入口文章里的公众号链接。
• 普通网页的 Defuddle 兜底依赖你本机已经安装 defuddle。
• X 单篇文章会优先使用网页/Defuddle Markdown，以尽量保留代码块；失败时回退公开转换路径。
• 微信公众号视频当前不下载，输出重点是文字、图片和文章目录结构。
• 资源默认使用相对路径，适合放进 Obsidian vault；如果你的预览器不识别相对路径，再使用 --absolute-asset-paths。

基本命令

1. 获取单篇 X 长文

content-capture x article https://x.com/example_author/status/1234567890123456789 --out output

如果有镜像页，并且镜像页内容更完整，可以指定镜像：

content-capture x article https://x.com/example_author/status/1234567890123456789 \
  --mirror-url https://example.com/mirrored-post \
  --out output

输出规则：

• 会先按作者昵称创建目录。
• Markdown 文件名使用 文章标题_文章发布时间.md。
• 图片保存到该作者目录下的 image/。
• 视频保存到该作者目录下的 video/。
• 默认只生成 Markdown；加 --html 时才生成同名 HTML 预览文件。
• 如果本机已安装 defuddle，X 长文里的代码块通常会被保留；如果回退到公开转换路径，部分代码块可能缺失。

2. 获取普通网页

content-capture web https://example.com/article --out output

说明：

• 普通网页会优先尝试内置 HTML 提取。
• 如果失败，会调用 defuddle parse <url> --md。
• 图片会下载到本地 image/ 目录。

3. 获取微信公众号单篇文章

content-capture wechat 'https://mp.weixin.qq.com/s/example_article_id' --out output

说明：

• 正文会导出为 Markdown。
• 会先按作者昵称创建目录。
• Markdown 文件名使用 文章标题_文章发布时间.md。
• 图片会下载到作者目录下的 image/。
• 微信视频不会下载。
• 默认不会生成 微信文章知识库.md。
• 如果微信返回“环境异常/去验证”，工具会报错并停止该篇文章导出。

4. 获取微信公众号合集为知识库

适合入口文章中包含很多篇文章链接的情况。

content-capture wechat 'https://mp.weixin.qq.com/s/example_collection_id' --deep --out output/wechat-kb

如果只想导出前 20 个子文章：

content-capture wechat 'https://mp.weixin.qq.com/s/example_collection_id' \
  --deep \
  --max-links 20 \
  --out output/wechat-kb

输出结构示例：

output/wechat-kb/
  作者昵称/
    入口文章标题/
      微信文章知识库.md
      入口文章标题_2026-05-13.md
      需求/
        子文章标题A_2026-05-14.md
        子文章标题B_2026-05-15.md
      数据分析/
        子文章标题C_2026-05-15.md
      开发/
        子文章标题D_2026-05-16.md
      image/
        image-01-xxxxxxxxxx-640.png

目录规则：

• 第一层目录使用作者昵称。
• 微信合集会在作者目录下再使用入口文章标题创建合集目录。
• 入口文章本身保存为一个 Markdown 文件。
• 入口文章中的在线公众号链接会替换为本地 Markdown 相对路径。
• 子文章会根据入口文章中的二级/三级标题归类。
• 例如入口文章里有 ## 需求，其下链接获取回来的文章会进入 需求/。
• 文件名使用 文章标题_文章发布时间.md，无法识别发布时间时使用 unknown-date。
• 文件名和路径里的空格会被去掉。
• 未能获取的文章会保留在索引文件的失败区。

常用参数

--deep

把微信公众号入口文章按知识库处理：导出入口文章，并继续获取正文里链接到的公众号子文章。

content-capture wechat 'https://mp.weixin.qq.com/s/example_collection_id' --deep

--out

指定输出目录。

content-capture web https://example.com/article --out ~/Documents/Obsidian/Sources

--no-local-assets

不下载图片/视频，只保留远程链接。

content-capture web https://example.com/article --no-local-assets

--absolute-asset-paths

把资源链接写成绝对路径。适合某些 Markdown 预览器，但不建议作为 Obsidian 长期知识库默认格式。

content-capture web https://example.com/article --absolute-asset-paths

--html

额外生成同名 HTML 预览文件。默认只生成 Markdown。

content-capture x article https://x.com/example_author/status/1234567890123456789 --html

Obsidian 使用建议

• 推荐把 --out 指向 Obsidian vault 里的资料目录。
• 微信合集建议单独放一个目录，例如 Sources/WeChat/。
• X 单篇文章建议放入 Sources/X/。
• 默认使用相对资源路径，方便迁移 vault。
• 入口文章可作为目录页，子文章通过本地 Markdown 链接进入。

注意事项

• X 只支持单篇文章获取，不支持按用户批量获取。
• 单篇 X 获取默认走免费路径，但不同文章的可用性取决于公开转换服务。
• 微信公众号可能返回环境验证页，这种情况下需要稍后重试或在浏览器/微信中完成验证。
• 微信视频不下载；当前工具重点保留文字和图片。
• 普通网页获取依赖页面结构，遇到动态渲染网页时可能需要 Defuddle 兜底。