一键提取 HN 帖子的文章与评论为干净 Markdown，支持本地阅读或喂给 LLM 分析，Python 单脚本零依赖安装
说明：
## 核心功能
hn-extract 是一款轻量级 HackerNews 内容提取工具，通过单一 Python 脚本将 HN 帖子的外链文章与评论区整合为一份结构化 Markdown 文档。用户只需提供 HN ID 或完整 URL，工具即自动抓取原文 HTML、清洗格式、提取元数据，并按线程深度缩进排版评论，最终输出适合快速阅读或 LLM 输入的干净文本。
## 显著优点
– **零配置即用**：依赖 uv 实现自动虚拟环境与包管理，无需手动安装 Python 依赖
– **单文件可移植**：单脚本架构，便于嵌入各类 Agent 工作流或本地调用
– **结构化输出**：文章与评论分离、评论按层级缩进，保留讨论脉络
– **工具链友好**：支持 `-o` 指定输出路径，便于下游自动化处理
## 潜在局限
– **反爬风险**：部分站点需认证或启用反爬机制，可能导致抓取失败
– **无内置缓存**：重复提取相同帖子将重新发起 HTTP 请求
– **格式依赖**：原文 HTML 结构异常时，清洗效果可能不稳定
– **Python 限定**：依赖 uv 运行时环境，对非 Python 生态用户不够友好
## 适合人群
– 需要离线阅读 HN 长文的开发者
– 构建 AI 摘要、知识库归档的自动化工作流
– 研究人员批量采集技术社区讨论数据
## 常规风险
– 频繁请求可能触发 HN 或目标站点速率限制
– 提取内容受原站版权约束，商用需注意合规性
– 评论区内容未经审核，直接用于训练存在偏见风险
## 使用建议
建议搭配本地 LLM 或 RAG 系统使用，提取后即时摘要而非长期存储原始数据。
会员专属
