尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Defuddle:Obsidian 创始人打造的网页内容提取利器,9K+ Star 的 Readability 替代方案
DefuddleObsidian 创始人打造的网页内容提取利器9K Star 的 Readability 替代方案前言当你想把一篇网页文章存进笔记、喂给 AI、或归档到 RSS 阅读器时最头疼的不是下载——而是把广告、侧边栏、评论区全部剥干净只留正文。Mozilla 的 Readability.js 曾是这个领域的标杆驱动了 Firefox 的阅读模式长达十余年。但随着 Web 技术演进Readability 的更新越来越慢策略趋于保守对现代网页的提取效果逐渐力不从心。Defuddle正是为填补这个空白而生的。一、Defuddle 是什么Defuddle 是由Steph Angokepano——知识管理工具Obsidian的创始人——亲自开发的开源项目。他在开发 Obsidian Web Clipper 浏览器插件时发现现有的内容提取库要么不够准确要么输出格式不理想于是决定自己写一个。一句话概括从网页中提取正文内容和元数据输出干净的 HTML 或 Markdown。截至 2026 年 8 月GitHub 已收获9,100 StarMIT 开源协议TypeScript 编写。项目数据GitHubhttps://github.com/kepano/defuddleStars9,122语言TypeScript协议MIT创建时间2025 年 2 月最近更新2026 年 8 月二、能做什么Defuddle 的核心能力可以概括为 5 点能力说明智能识别正文通过评分算法分析每个 HTML 元素判断哪些是正文、哪些是噪音清除干扰元素广告、导航栏、侧边栏、页脚、Cookie 提示——全部自动移除提取元数据标题、作者、发布日期、站点名称等关键信息一并提取标准化输出将混乱的网页 HTML 转换为结构清晰的 HTML 或 Markdown保留特殊格式数学公式和脚注完整保留对学术文章和技术文档特别友好三、核心原理评分算法Defuddle 的秘密武器是一套基于启发式规则的评分算法。工作流程如下遍历 DOM 树解析网页的 HTML 结构为每个容器元素打分内容加分包含大量文字和p标签的元素获得高分——这通常意味着正文链接密度惩罚如果一个区域内链接占比过高比如导航栏分数会被大幅扣减聚类与筛选高分区域被保留低分区域被移除输出清洗后的内容剩余的 HTML 经过标准化处理转换为最终格式这套算法与 Readability 的思路相似但在实现细节和调优策略上有显著差异。Defuddle更激进地拥抱现代 Web 结构同时利用移动端样式信息来辅助判断内容区域。开启debug: true模式后可以看到完整的决策过程哪些元素被选中contentSelector、哪些被移除removals数组、每一步评分的细节——对开发者调试非常友好。四、三种构建模式按需选择Defuddle 提供了三种构建变体适应不同场景模式导入路径特点适用场景Coredefuddle最小体积仅输出 HTML对包体积敏感的浏览器环境Fulldefuddle/full内置 Markdown 转换Web 应用需要 Markdown 输出Nodedefuddle/node支持服务端 DOM 解析Node.js 后端、SSR 场景这种设计让你可以精确控制依赖体积浏览器插件用 Core笔记工具用 Full爬虫服务用 Node。五、5 分钟快速上手浏览器控制台尝鲜constDefuddle(awaitimport(https://cdn.jsdelivr.net/npm/defuddle0.19.1/esm)).default;// 直接传 document 对象不是 HTML 字符串constparsernewDefuddle(document,{url:location.href});constresultparser.parse();console.log(result);命令行使用npx defuddle parse https://example.com/article--markdown终端管道使用curldefuddle.md/https://example.com/article网页版直接访问https://defuddle.md/粘贴 URL 即可提取。六、真实应用场景场景 1Obsidian Web ClipperDefuddle 最知名的用户就是Obsidian Web Clipper——Obsidian 官方浏览器插件。当你浏览网页时点击「剪藏」背后就是 Defuddle 在提取正文、转换为 Markdown、注入到 Obsidian 笔记库中。场景 2RSS 阅读器很多 RSS 源只提供摘要全文需要跳转到原站。用 Defuddle 可以在服务端提取全文为用户提供完整的阅读体验。场景 3AI / LLM 上下文准备大语言模型的上下文窗口寸土寸金。把网页直接喂给 AI大量 token 浪费在广告和导航上。Defuddle 帮你把内容压缩到只剩精华让 AI 专注于真正重要的信息。场景 4网页归档与知识管理将网页内容提取后存入本地知识库如 Obsidian、Logseq构建属于自己的「第二大脑」。Defuddle 输出的 Markdown 格式天然适合这类工具。七、与同类工具对比对比项Readability.jsDefuddleTrafilatura作者MozillaObsidian 创始人学术团队语言JavaScriptTypeScriptPython输出格式HTMLHTML / MarkdownTXT / Markdown / XML最新更新较慢活跃中等现代 Web 适配保守激进中等包体积较大3 种变体可选较大浏览器使用原生CDN / npm不适用八、总结在信息过载的时代「从噪音中提取信号」是一项基础能力。Defuddle 用不到 1MB 的体积提供了一个优雅、高效、可扩展的解决方案。无论你是知识管理爱好者、RSS 重度用户、还是正在构建 AI 应用的开发者Defuddle 都值得加入你的工具箱。资源链接GitHub 仓库https://github.com/kepano/defuddle网页版https://defuddle.md/CDN 引入https://cdn.jsdelivr.net/npm/defuddle免责声明本文内容基于公开资料整理仅供技术交流参考。
RELATED

相关推荐

论文AI率太高怎么降?2026年实测原理到操作讲清

论文AI率太高怎么降?2026年实测原理到操作讲清

2026届的论文季,高校对AI生成内容的检测力度又上了一个台阶。论文AI率太高,轻则退回修改,重则影响送审资格。不少学生反复改写仍过不了关,问题多半出在方法上。这篇从检测原理讲起,把降AI率的有效路径一次说清。 aibiy…

📅 2026/11/6 1:48:03
别只会画流程图!彻底搞懂 Spring AI Alibaba Graph 的节点、边与 State

别只会画流程图!彻底搞懂 Spring AI Alibaba Graph 的节点、边与 State

Spring AI Alibaba Graph 工作流:节点和边到底是怎么回事? 摘要:搞懂 Spring AI Alibaba Graph 里的节点、边、State 这三个核心概念,才能玩转工作流编排。本文从实际项目踩坑经验出发,带你彻底搞清楚 DAG 是怎么跑起来…

📅 2026/10/24 9:39:58
高级RAG架构演进:从朴素检索到图检索与迭代式策略

高级RAG架构演进:从朴素检索到图检索与迭代式策略

这里写自定义目录标题欢迎使用Markdown编辑器引言:朴素 RAG 的瓶颈在哪里一、朴素 RAG 的三大局限1.1 召回不准1.2 上下文割裂1.3 静态检索二、自适应检索:让系统决定"要不要检索"2.1 核心思想2.2 实现方式2.3 适用场景三、图检索增强:解决跨文档全局查询3.1 核心思想…

📅 2026/9/8 15:16:14
MORE NEWS

更多资讯

📰

算清HR AI成本:从一次调用到一件事务

摘要:AI一次调用价格低,不代表办完一件HR事务的成本更低。肯耐珂萨结合单位经济性的管理思路,拆解重试、人工复核与持续维护的影响,帮助买方在相同质量和任务条件下比较AI使用成本。两份AI方案摆在一起,一份按次看很便…

📰

HR AI评测的标准答案由谁来定

摘要:HR AI评测分数是否可信,也取决于标准答案怎样制定。肯耐珂萨从事实、适用条件和管理建议拆解评判方式,讨论业务专家如何定义可接受范围与错误边界,避免把措辞相似误当成任务完成正确。同一个HR问题,两份AI回答采用…

📰

学习积分正在鼓励员工选什么课

摘要:学习积分奖励什么,员工就更可能选择什么。肯耐珂萨从课程难度、学习投入和岗位需要分析积分导向,讨论怎样保留参与激励,又避免排行榜把复杂练习挤到后面,或被误用为员工能力排名。“哪门课积分多,还能…

📰

【Agent能自进化,检索系统就不能吗?】——论文阅读笔记: ERSKILL: EVOLVING FOR SKILL-GUIDED ADAPTIVE MEMORY RETRIEVAL

一句话总结 这篇文章关注的是检索方法的场景化自适应——这个角度很好,打破了常见的检索方法固定的僵化思维,具体来说👇: 检索动作常用的就那几个:关键词检索、向量检索、抽实体-搜实体、沿着知识图谱walk等等。但是&a…

📰

氧传感器坏了车啥感觉?

说个前几天进店的真事儿,车主老汤,车开了八万多公里,发动机故障灯亮了快俩月。一开始灯闪了两下,他拍了拍仪表盘,灭了,就没当回事。后来直接常亮,跟粘在上面似的。最闹心的是油耗,以…

📰

Python编程基础:变量与类型

概述在这篇文章里面, 大家能够看到关于编程里面非常基础的变量还有类型这两个内容的详细介绍内容, 这包括了变量的命名规则怎么定之类的, 也包括了不同类型的数据应该怎么去操作之类的这些内容等等所有这些关键的步骤都会被分析得非常清楚明白的, 另外的话还会举出具体的实际例…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬