网页正文提取

网页正文提取：提交公开网页网址，取回去掉导航、广告等样板的干净正文，并把标题、作者、日期、站名、分类标签从页面自带元数据里逐字段拼齐。对话内先对齐任务（哪些公网直链、单页还是批量、可读文本还是入库格式、评论/图片/链接开关，最多三个问题），再按级联纪律提取：规则式主提取先行，产出明显短于页面可见文本（约 250 字符量级下限）先升「最全」档重提，绝不把漏提当空页；样板按文本量、链接密度与元素位置判别；元数据多源拼合、逐字段记录来源，冲突如实并列不静默合并；批量任务跨页面重复片段按指纹去重。交付：单页提取卡（正文 Markdown + 元数据块 + 完整性声明），批量先给汇总清单再逐篇展开，入库另出 JSON/JSONL。只读抓取，登录墙与纯 JS 渲染页面如实划界，绝不编造缺失的正文与元数据。