展开本页目录
开始前准备什么
- 下载到独立练习目录，保留原始输入副本。
- 模型步骤使用自己的已验证配置；离线检查不需要 API Key。
- 先阅读 README 中的运行范围；练习数据均为原创。
- 准备自己的文档页
- 定位控件和执行范围
- 区分本地与云端地址
- 请求 Markdown 格式
- 核对来源和目标状态
- 保存真实输出与截图
- 在自己的环境复跑
原创输入、可运行脚本、预期对照、截图原始 HTML 与验证记录。
对应本页任务与验证范围。
包含正文与不应进入正文的导航。
实际运行过的标准库转换，不是 Firecrawl 替代实测。
替换自己的公开 URL 后使用。
未执行；使用自己的服务凭据。
标注转换引擎与来源。
1. 准备自己的文档页
source.html 的 article 为正文，nav/footer 为辅助区域，保留原始 HTML。
2. 定位控件和执行范围
下载 firecrawl-request.json 和 run-firecrawl.py。把 url 改成你拥有且 Firecrawl 可访问的网页；云端不能读取 localhost 或 file://。formats 选择 markdown，核对返回 metadata.sourceURL 和 metadata.statusCode；API 调用本次没有执行。
3. 区分本地与云端地址
CLI 标准库只读取本机文件；Firecrawl 云端必须使用自己可访问的公开 URL。
4. 请求 Markdown 格式
在 request JSON 用 formats:[markdown] 和 onlyMainContent:true，不把 JSON 教材当响应。
5. 核对来源和目标状态
API success 与 HTTP 200 不替代 metadata.statusCode；需要保存 sourceURL、实际正文和抓取时间。
6. 保存真实输出与截图
对照 result.html 与原始 browser-result.json 或 local-result.json。结果必须包含本任务字段与来源，截图不能代替实际输出检查。已真实运行 Python HTMLParser 正文转换及删除段落负例；未调用 Firecrawl API，API 输出需自行执行并核对。
7. 在自己的环境重跑正文与来源检查
本地转换只需按 README 运行 convert-local.py；实际云抓取则先在 firecrawl-request.json 填写可访问的自有 URL，再用自己的 Firecrawl 凭据运行 run-firecrawl.py。逐项对照 Markdown 正文、metadata.sourceURL 和 metadata.statusCode。这个任务不需要安装 Playwright。保留本地与云端两份独立结果，云端尚未执行时不填成功状态。
text
python3 convert-local.py
# 可选实际 API：先改 URL 并设置自己的环境变量
python3 run-firecrawl.py怎样确认已经完成
- 只操作自己样站，来源与原始字段可核对。
- 正例与故意破坏的负例分开保存，不能吞掉失败。
- 已真实运行 Python HTMLParser 正文转换及删除段落负例；未调用 Firecrawl API，API 输出需自行执行并核对。
常见问题
截图是官方工具界面吗？
这是自建样站和真实脚本输出的浏览器截图，原始 HTML 与验证脚本均可下载；不假装官方产品界面。
可以直接提交到真实网站吗？
本页先在自己的独立样站验证。迁移时重新确定站点、字段和允许动作，本教材没有外部提交步骤。