Defuddle CNNetizen 🇨🇳

更适合中国网友体质的 defuddle

基于 defuddle 上游的分支版本，在保留原有全部功能的基础上，新增了对小红书 和 B 站（Bilibili）的专属内容提取支持，未来还会持续添加更多国内平台的适配。

• 问题背景：上游的defuddle仓库目前对小红书和B站的内容提取支持不太良好（缺乏专项支持）。具体而言：
  • 在B站的提取效果：缺少字幕（如果有）和发布时间，内容混乱；
  • 在小红书的提取效果：缺少作者、视频iframe和评论树，图片组重复，内容混乱。

---

✨ 本分支新增功能

📕 小红书（Xiaohongshu）提取器

提取内容	说明
笔记正文	自动解析 __INITIAL_STATE__ 中的笔记描述文本
图片列表	提取所有图片，优先选择最高分辨率
视频笔记	识别视频类型笔记，嵌入视频播放器
标签 / 话题	从 tagList / topicList 提取，自动去除正文中重复的 #话题# 标记
评论（含子评论）	多级评论提取，支持嵌套回复树
元数据	作者昵称、笔记 ID、发布时间、笔记类型等

评论提取的三级降级策略：

1. __INITIAL_STATE__ 解析 — 从页面内联 JSON 中提取评论数据
2. API 回退 — 当内联数据为空时，尝试请求小红书评论 API（/api/sns/web/v2/comment/page）
3. DOM 回退 — 最终降级为从 Vue 渲染后的 DOM 中提取评论（适用于浏览器扩展场景）

浏览器扩展特殊处理：小红书页面的 __INITIAL_STATE__ 由 Vue 运行时异步更新，Content Script 运行在 Chrome 的 isolated world 无法直接访问主世界变量。配合 obsidian-clipper chrome.scripting.executeScript({ world: "MAIN" }) 桥接机制，可在浏览器扩展中正确获取运行时状态。（不在defuddle中实现，因此使用插件时，需要先刷新小红书页面再点击插件图标）

URL 匹配：

• xiaohongshu.com/explore/{noteId}
• xiaohongshu.com/discovery/item/{noteId}

---

📺 B 站（Bilibili）提取器

提取内容	说明
视频信息	通过 B 站 API 获取标题、作者、简介、封面、发布时间
视频嵌入	自动生成 B 站播放器 iframe 嵌入代码
字幕 / 逐字稿	从 B 站字幕 API 提取字幕，转换为带时间戳的逐字稿
多 P 支持	支持 B 站分 P 视频，自动识别当前分 P
多语言字幕	支持选择字幕语言（优先中文字幕），区分 AI 生成字幕

字幕提取流程：

1. 从 URL 中提取 BV 号
2. 请求 api.bilibili.com/x/web-interface/view 获取视频信息（aid、cid 等）
3. 依次尝试 wbi/v2、v2（bvid+cid）、v2（aid+cid）三个字幕接口
4. 智能选择最佳字幕轨道（优先匹配用户指定语言 → 优先中文 → 优先人工字幕）
5. 请求字幕 JSON，按时间戳分组生成格式化逐字稿

URL 匹配：

• bilibili.com/video/BVxxxxxx
• 支持 ?p=N 分 P 参数

---

�️ 提取效果展示

小红书

图文笔记提取

左边为原始网页页面，右边为obsidian剪藏后的效果

视频笔记提取

B 站

视频信息 + 字幕提取

---

�🔧 提取器输出变量

两个提取器都在 result.variables 中提供结构化变量，可直接用于 Obsidian Web Clipper 模板：

小红书变量

变量名	说明
title	笔记标题
author	作者昵称
site	固定为 小红书
description	笔记摘要（前 200 字）
published	发布时间（ISO 格式）
noteId	笔记 ID
noteType	笔记类型（normal / video）
tags	逗号分隔的标签列表
comments	评论内容（Markdown 格式）

B 站变量

变量名	说明
title	视频标题
author	UP 主名称
site	固定为 Bilibili
description	视频简介摘要
published	发布时间（ISO 格式）
image	封面图 URL
part	当前分 P 标题（多 P 视频时）
transcript	字幕逐字稿（Markdown 格式）
language	字幕语言代码（如 zh-cn）

---

🚀 使用方式

与上游 defuddle 完全兼容，无需额外配置。当检测到小红书或 B 站页面时，对应的提取器会自动生效。

浏览器扩展（Obsidian Web Clipper）

推荐配合 obsidian-clipper 分支 使用。

配合 obsidian-clipper 操作步骤

以下步骤说明如何将本分支的 defuddle 构建产物接入 obsidian-clipper 扩展进行测试和使用。

第一步：构建 defuddle

# 在 defuddle 目录下
Remove-Item -Recurse -Force dist -ErrorAction SilentlyContinue

npm run build:types
npm run build:node
npm run build:js

第二步：准备 obsidian-clipper 项目

从 GitHub 下载 obsidian-clipper 项目到本地，然后在项目根目录安装依赖：

npm ci
# 如果 ci 失败（lock 不匹配），改用 npm install

第三步：将本地 defuddle 接入并构建

使用 npm link 将本分支的 defuddle 替换掉上游 npm 依赖，然后构建：

# 1) 在本地 defuddle 目录注册全局 link
cd ..\defuddle
npm link

# 2) 进入 obsidian-clipper 项目目录，link 过来
cd ..\obsidian-clipper
npm link defuddle

# 3) 构建 Chrome 版本
npm run build:chrome

# 4) 然后在浏览器扩展中心中导入obsidian-clipper\dist文件夹

构建完成后，B 站和小红书的专属提取器即可生效。

选项说明

选项	类型	默认值	说明
includeReplies	boolean | 'extractors'	'extractors'	是否提取评论/回复。'extractors' 仅由站点提取器提取，true 包含所有来源，false 关闭
language	string		首选语言（BCP 47 标签，如 zh-cn、en）。影响 B 站字幕语言选择

---

📋 与上游的差异

项目	上游 defuddle	本分支
小红书提取器	❌(kepano#292)	✅ XiaohongshuExtractor
B 站提取器	❌(kepano#271)	✅ BilibiliExtractor
逐字稿构建工具	✅（YouTube）	✅ 共用 src/utils/transcript.ts
其他平台提取器	✅	✅ 完全保留

本分支的所有新增代码均以独立提取器模块实现，不修改上游核心逻辑，可随时与上游同步合并。

---

🛠️ 开发

# 安装依赖
npm install

# 构建
npm run build

# 运行测试
npm test

---

🔗 相关项目

• defuddle — 上游项目
• Obsidian Web Clipper — 配套浏览器扩展

---

🧹 清理

测试完成后，如需取消 npm link：

cd ..\obsidian-clipper
npm unlink defuddle