DoubaoChatObtain#

读取豆包对话页面完整全文。

核心原理#

豆包页面的 body 设置了 overflow: hidden， window.scroll 无效。真正的滚动区域是一个 div.fixed 容器，页面内容通过虚拟滚动加载（只渲染可视区域附近的内容）。直接用 element.innerText 可以一次性绕过虚拟滚动，提取已渲染的全部文本。

前置依赖#

需安装 agent-browser（Node.js CLI 浏览器自动化工具）：

bash

npm install -g agent-browser
# 或项目级安装
npm install agent-browser

验证安装：

bash

npx agent-browser --version

执行步骤#

第一步：用 agent-browser 打开目标 URL#

bash

npx agent-browser open "<豆包对话URL>"

第二步：执行 JS 提取全文#

在豆包页面内执行以下 JS，通过 getComputedStyle 遍历所有元素，找到真正的滚动容器，然后一次性提取 innerText：

bash

npx agent-browser eval --json "(() => { const c = [...document.querySelectorAll('div')].find(el => { const s = getComputedStyle(el); return (s.overflowY==='auto'||s.overflowY==='scroll') && el.scrollHeight > el.clientHeight; }); return c ? c.innerText : 'NOT_FOUND'; })();" > /tmp/doubao_raw.json

关键点： --json 参数返回标准 {"success":true,"data":{"origin":"...","result":"文本"}} 格式，避免解析转义字符的问题。

第三步：解析并保存#

使用内置脚本解析 JSON 并写入文件：

bash

python3 scripts/parse_doubao.py --input /tmp/doubao_raw.json --output ./豆包对话全文.txt

已知限制与注意事项#

1. 需要浏览器已打开豆包页面：每次读取新对话前，需先 agent-browser open <url>。
2. 非登录用户：可能看到"开始试用豆包"弹窗，读取内容通常不受影响。
3. 内容提取时机：等待页面完全加载后再执行 JS，尤其是长对话帖子。
4. 多页对话：某些帖子可能有翻页，滚动到底部后再执行 JS 提取。
5. 若 eval --json 返回 NOT_FOUND：说明页面未完全加载，滚动到底部后重试。

输出#

• 文件保存路径： /Users/zen/WorkBuddy/Claw/中登日记自动化项目/豆包对话全文.txt
• 字数通常在 5 万～15 万字之间（取决于对话长度）
• 建议：提取完成后，对照原文用 Read 工具浏览，确认关键段落位置后再进行后续分析。