在线文档本地化

分享海报

@user_3aa1c1ff/online-doc-convert

将以下在线资源转成本地Markdown文档和静态HTML 1. 通用网页 / 文档 / API 参考 / 博客 引擎 convert.py：仅依赖 Python 标准库；若环境装了 trafilatura，正文抽取质量更佳。 支持 stdin 管道模式（已有正文时直接喂，不重复抓取）。 2. 飞书（Feishu） feishu_fetch.py：云文档 → 单篇 / 整空间批量 Markdown（经 lark-cli 连接器）。 feishu_img_localize.py：飞书图片本地化（抽 file_token 下载到 assets/，配 build 内嵌）。 wiki_export.py：整飞书 wiki 空间递归导出为带导航的静态 HTML 合集，可断点续跑。 3. PDF pdf_to_md.py：本地文本型 PDF → 结构化 Markdown（PyMuPDF 字号分层）。 geektime_pdf.py：极客时间/微伴等 JS 渲染 PDF 预览页 → 真实 PDF 逆向下载。 4. 小红书 xiaohongshu_fetch.py：笔记 → Markdown。SSR 解析 __INITIAL_STATE__ 优先，登录墙/空内容回退 Playwright；支持 OCR 识图。 5. 在线视频（抖音/B站等反爬站点） video_to_md.py：Playwright 拿直链 + 导出 cookie → 下载 → ffmpeg 抽音频 → faster-whisper 转写 → opencc 繁转简 → 按章节分组 MD，产出「观点/论述/建议」三段式总结。 6. X（Twitter）长文 x_to_md.py：经 browser-skill 渲染文章 DOM，剔除评论/引用卡，图片真实落地（唯一需联网+浏览器的环节）。 x_md_to_html.py：MD → 自包含离线 HTML（article-magazine 风格，图片 base64 内嵌，纯本地零联网，可反复重跑）。 7. 合集生成 build_static_html.py：多篇 Markdown → 类飞书风格静态 HTML 合集（带分章导航），--embed-images 可把图片 base64 内嵌。