Defuddle Web Extract

何时使用

• 用户给出一个常规网页 URL，需要阅读、总结、分析其正文内容时优先使用。
• 处理文档、文章、博客等公开标准网页，且在意 token 用量（去掉导航/广告/页脚等噪音）时使用，效果优于直接 WebFetch 抓全页。

不该用的边界：

• 需要登录、付费墙、强 JavaScript 动态渲染或反爬的页面，Defuddle 可能取不到正文。
• 需要精确抓取页面特定结构、表单交互、点击翻页或截图时，改用浏览器类工具。
• 缺少必要输入（URL、权限、成功标准）时先停下来澄清，不要凭空抓取。

步骤

1. 确认已安装；未安装则全局安装：npm install -g defuddle。
2. 用 defuddle parse <url> --md 提取正文，始终带 --md 输出 Markdown。
3. 内容较长时用 -o 落盘为文件，再分段读取处理。
4. 只需标题/描述/域名等元数据时用 -p <name> 单独取，避免拉全文。

指令

# 安装（仅首次）
npm install -g defuddle

# 提取正文为 Markdown（默认且推荐）
defuddle parse <url> --md

# 保存到文件
defuddle parse <url> --md -o content.md

# 仅取指定元数据
defuddle parse <url> -p title
defuddle parse <url> -p description
defuddle parse <url> -p domain

输出格式对照：

示例

总结一篇博客：

defuddle parse https://example.com/blog/post --md -o post.md

随后读取 post.md 并基于干净正文进行总结，而不是把整页 HTML 喂给模型。

注意事项

• 始终优先 --md；只有在需要结构化处理时才用 --json，需要原始结构时才用 HTML。
• 输出不能替代环境相关的验证、测试或专家复核，重要结论需人工确认。
• 仅在任务明确落在上述范围内时使用；命中登录墙或动态页失败时，回退到 WebFetch 或浏览器工具。

互见

• WebFetch：Defuddle 取不到正文（登录/动态渲染）时的回退方案。
• 浏览器自动化（chrome-devtools 系列）：需要交互、点击、截图或抓取特定 DOM 时使用。

采编自 sickn33/antigravity-awesome-skills（MIT），原技能 source: https://github.com/kepano/obsidian-skills。