Note博客搬运技能

将 note.com 的文章搬运到本地 markdown 文件，支持完整的图文排版、标签提取和元数据处理。

功能特性

• 排版支持：完美支持粗体 (**)、删除线 (~~)、斜体 (*)、多级标题。
• 智能解析：
  • 自动过滤 UI 杂音（如“投稿”、“点赞”等无关文本）。
  • 精确提取文章标签（HashTags）。
  • 清理页脚非文章内容。
• 图片处理：
  • 支持 Note.com 懒加载图片 (data-src)。
  • 提取 figcaption 作为图片注记。
  • 正确保留图片在正文中的相对位置。
• 元数据：
  • 提取标题、来源 URL、搬运时间、文章标签。
  • 自动识别并命名文章封面和作者头像。

使用方式

python3 note_blog_mover.py <note_url>

示例

python3 note_blog_mover.py https://note.com/siberia0916/n/nc1070ae7e64b

输出格式 (Markdown)

---
title: "文章标题"
source: "https://note.com/..."
tags: ["标签1", "标签2"]
imported_at: "2026-02-11T10:00:00.000000"
---

# 文章标题

![文章封面](https://...)
![作者头像](https://...)

正文段落...

**粗体文本** 和 ~~删除线文本~~。

![图片注记](https://...)

继续正文...

技术原理

基于 html.parser.HTMLParser 实现流式解析： 1. DOM 遍历：单次遍历即可完成文本、格式、图片、注记的提取。 2. 上下文关联：通过解析状态机，精准关联 <figcaption> 到对应的图片，避免错位。 3. 流式清洗：在解析过程中即时剔除 CSS/JS 和特定 UI 文本块。 - 图片仍然用原站链接

技术原理

1. 网页解析：使用浏览器工具获取页面DOM结构
2. 内容提取：遍历DOM提取标题、正文、图片等元素
3. 位置追踪：记录每个图片在文档流中的位置
4. 文本提取：提取段落文本和图片alt属性
5. 本地化处理：下载远程图片到本地
6. 格式转换：生成目标格式（Markdown/HTML）

注意事项

• 需要网络连接访问 note.com
• 部分图片可能需要特殊处理（懒加载、CORS等）
• 建议先预览再正式搬运
• 尊重版权，注明原文链接