claude-code/.claude/skills/web-to-markdown/SKILL.md

name	description
web-to-markdown	將網頁（單頁或多頁爬取）轉換為乾淨的 Markdown 格式，方便 AI 分析理解。支援單頁模式和爬蟲模式（追蹤連結、同域抓取）。

Web to Markdown Skill

將任意網頁轉換成結構清晰的 Markdown，讓 AI 能更有效率讀取網頁內容。適合用於：

• 分析競品功能頁、定價頁
• 爬取文件站點（docs site）
• 將整個網站的主要頁面轉換為 AI 可讀格式

前置需求

使用前先確認 Python 套件已安裝：

pip install requests beautifulsoup4 html2text lxml

兩種使用模式

模式一：單頁轉換

python .claude/skills/web-to-markdown/scripts/web_to_md.py \
  --url "https://example.com/features" \
  --output "scraped/features.md"

模式二：爬蟲模式（追蹤同域連結）

python .claude/skills/web-to-markdown/scripts/web_to_md.py \
  --url "https://example.com" \
  --crawl \
  --depth 2 \
  --output-dir "scraped/example-com/"

參數說明：

• --url：起始 URL（必填）
• --crawl：啟用爬蟲模式，追蹤同域連結
• --depth N：爬蟲深度，預設為 2（首頁=0，首頁連結的頁面=1，以此類推）
• --same-path：只爬取相同路徑前綴下的連結（例如只爬 /docs/ 目錄下的頁面）
• --output：單頁模式的輸出檔案路徑
• --output-dir：爬蟲模式的輸出目錄，每個頁面存成獨立 .md 檔
• --max-pages N：最多爬取 N 頁，防止無限爬取（預設 50）
• --delay N：每次請求間隔秒數，避免對伺服器造成壓力（預設 1.0）
• --exclude：排除含有特定關鍵字的 URL（可多次使用）

在 Agent 中使用

當 pm-competitor-analyst 需要分析競品網站時：

# 1. 先用爬蟲模式抓取競品網站
Bash: python .claude/skills/web-to-markdown/scripts/web_to_md.py \
      --url "https://competitor.com" \
      --crawl --depth 2 \
      --output-dir "docs/prd/drafts/competitor-site/" \
      --exclude "/blog" --exclude "/login" --exclude "/signup"

# 2. 讀取轉換好的 Markdown 檔案進行分析
Read: docs/prd/drafts/competitor-site/index.md
Read: docs/prd/drafts/competitor-site/features.md
Read: docs/prd/drafts/competitor-site/pricing.md

輸出格式說明

每個轉換後的 Markdown 文件開頭包含：

---
title: [頁面標題]
url: [原始 URL]
crawled_at: [抓取時間]
---

接著是清理過的正文 Markdown，包含：

• 標題層級（H1-H6）
• 段落文字
• 連結（保留為 [文字](URL)）
• 列表
• 表格（轉為 Markdown 表格）
• 移除：廣告、導航列、頁腳、Cookie 提示等雜訊

注意事項

• 爬蟲只抓取同一域名下的連結（不會跨到外部網站）
• 自動跳過圖片、PDF、ZIP 等非 HTML 資源
• 遇到 JavaScript 渲染的 SPA 網站，部分內容可能無法抓到（這個腳本使用靜態 HTTP 請求）
• 有些網站會封鎖爬蟲，遇到 403/429 時請手動儲存網頁後用 --file 模式
• 請遵守網站的 robots.txt 和使用條款