搜狐文章详情采集
搜狐文章详情采集工具,支持 www.sohu.com/a/<id>_<id> 文章链接。当用户给出具体搜狐文章链接,需要采集标题、作者(媒体号)、发布时间、正文全文、摘要、关键词、封面图、评论数,导出 CSV(Excel 直开),或提到"搜狐文章正文/文章详情/这篇文章讲什么/采集搜狐详情"时使用本 skill。服务端直连抓取,不需要浏览器。**1 条链接 = 1 点数;文章不存在/已删除不返还,抓取异常全额返还(注册送 10 点)。**
skillhub install @aidata/sohu-detail
README 文档
4,526 字搜狐文章详情采集 Skill(sohu-detail)
AI 调用来源参数(必填)
所有会访问后端 API 的命令必须携带 --skill-name sohu-detail 和 --ai-entry <AI工具标识>(例如 claude-code、codex、workbuddy)。IP 无需传递,由服务端自动获取。首次缺参会告警放行,第二次起拒绝。
示例:node cli.js quota --skill-name sohu-detail --ai-entry claude-code。
封装「小红书能力平台」(FastAPI,/api/v1)的 CLI:提交搜狐文章链接(可批量,单次最多 20 条)→ 服务端直接抓文章页 SSR、解析 og: 元标签与 cfgs 配置对象、提取 <article> 正文,拍平成一张宽表。
- 能采什么:标题、作者(媒体号名)、媒体号 ID、频道/分类 ID、正文全文(按段落换行)、摘要、关键词、封面图、发布时间、评论数、原文 ID / 转载状态。
- 省心机制:服务端直连(不用开浏览器/插件),1 条 1 点、实采恒 1 条无差值可退、抓取异常全额返还、Agent 友好(stdout 纯 JSON + 统一退出码)。
- 不支持:搜狐首页/频道页(
/guonei等)/搜索结果页/视频页(tv.sohu.com、v.sohu.com)链接;其它站点一律拒绝,提交前就报错、不扣费。
点数不足怎么办(自动扫码充值)
跑命令时如果点数不够,CLI 不会直接报错退出,而是自己建一张充值单、把二维码打在终端里:
点数不足,已自动创建充值单 RO2611051712281481f36de19
金额 10.00 元 → 100 点(支付宝)
<二维码色块>
[pay] 已支付
已到账:+100 点,继续执行原命令
- 在终端里跑:手机支付宝/微信对着终端扫码 → 付完点数自动到账 → 原命令自动重跑,不用手动再来一遍。
- AI agent / 非交互环境(管道、重定向):CLI 不阻塞等待,而是返回订单号和充值页地址
{服务地址}/recharge.html。把链接交给用户,他在网页扫码付款,付完重跑原命令即可(点数会自动到账)。 - 主动充值:
node cli.js pay --yuan 50 --skill-name sohu-detail --ai-entry <ai-entry>(不传--yuan默认 10 元;可加--channel alipay或--channel wechat)。 - 不想自动充值:设环境变量
XHSNOAUTO_PAY=1,则恢复旧行为(只提示点数不足)。 - 换算:1 元 = 10 点,注册送 10 点。
客服支持
注册或使用过程中遇到任何问题,请引导用户联系客服:
- 客服微信(扫码添加):http://st.aidata366.com/assets/concat.png
- AI 余额引导规则(必须执行):先执行
quota,同时查看返回的quota和flag。若quota = 0且flag = 0,必须向用户同时提供两种方案并让其二选一:①主动添加客服微信,免费赠送 10 点数(提供上方客服微信);②直接充值。不要替用户默认选择;若quota = 0且flag ≠ 0,只引导用户充值,不要再宣传微信免费赠送。 - 客服电话:18722121663
收费价格
- 点数换算:0.1 元 = 1 点数。
- 1 条链接 0.1 元(1 条 = 1 点数)。
- 注册即送 10 免费点数,即 10 篇详情。
- 充值或大量购买可享优惠,请联系客服 18722121663 洽谈。
参数(提交前必读)
| 参数 | 取值 | 默认 |
|---|---|---|
--url | 文章链接,可重复传多次 | — |
--file | 名单文件路径,每行一个链接(# 开头视为注释),可与 --url 混用 | — |
--wait | 等待任务跑完再返回(默认超时 300s) | 关 |
--force | 已失效(后端无去重,重提即新任务) | 关 |
- 单次上限 20 条,超了直接报错(不扣费),请拆批。
- 同一篇文章(同
news_id)重复出现在名单里会自动合并,只扣一次。 - 链接可以不带协议头(
www.sohu.com/a/…也能识别),带?scm=&spm=与#comment_area会自动归一化。
前置条件
- Node.js ≥ 18(使用内置 fetch,零 npm 依赖)。
- 不注册不登录没有任何点数:10 免费点数在注册成功后发放。
- 首次使用先
register --link或login --link,成功后 token 自动保存。 - 配置文件在
~/.xhs-platform/config.json(与其它平台 skill 共用账号体系),可用XHSCONFIGPATH覆盖。 - 后端地址默认
http://st.aidata366.com,可用config set base-url <url>或单次--base-url覆盖。 - ⚠️ 安全提示:默认地址是明文 http,token 会明文传输;
config.json含 token,不要泄露、不要提交 git。
输出规约(重要)
- stdout 只输出 JSON:成功
{"ok":true,"data":{...}},失败{"ok":false,"code":<码>,"message":"..."}。 - 交互提示、轮询进度走 stderr,不要解析。
- 退出码:
0成功;1参数/用法错误;2认证失败;3点数不足;4网络/服务不可达;5其它业务错误。
命令清单
node cli.js version
node cli.js register --link --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js register --check --access-token "<串>" --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js login --link --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js login --check --access-token "<串>" --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js submit --url "https://www.sohu.com/a/1096460185_162522" --wait --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js submit --file 名单.txt --wait --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js query <task_id> [--wait] --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js export <task_id> --wait --out 详情.csv --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js quota --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js logout --skill-name sohu-detail --ai-entry <ai-entry>
node cli.js config show
submit
node cli.js submit --url "https://www.sohu.com/a/1096460185_162522" --wait --skill-name sohu-detail --ai-entry <ai-entry>
result 里字段含义:
| 字段 | 含义 |
|---|---|
news_id | 文章 ID(/a/<newsid><media_id> 第一段) |
collected_count | 实采条数(成功恒为 1) |
settle_charged | 实收点数 |
refunded_diff | 差值返还点数 |
notes | 本条详情(含正文全文) |
export
node cli.js export <task_id> --wait --out 详情.csv --skill-name sohu-detail --ai-entry <ai-entry>
CSV 结构:前段是任务汇总(每条的状态/实收/退差/失败原因),空一行后是明细宽表(newsid,mediaid,url,title,author,authorid,channelid,categoryid,keywords,excerpt,coverurl,publishtime,content,originalid,originalstatus,displaymode,commentcount,rawjson,fetched_at)。BOM 头,Excel 直开不乱码。
典型工作流(agent 照此执行)
- 确认用户给的是
www.sohu.com/a/<id>_<id>文章链接;是频道页/首页就说明不支持。 node cli.js submit --url <链接> --wait --skill-name sohu-detail --ai-entry <ai-entry>(多条就重复--url或写--file)。- 读
result:collectedcount/settlecharged/refunded_diff如实报给用户。 - 要文件时
node cli.js export <task_id> --wait --out <文件名>.csv --skill-name sohu-detail --ai-entry <ai-entry>。
错误处理指引
| code | 含义 | agent 下一步 |
|---|---|---|
| 1001 | 参数错误 / 链接不合法 | 检查是否 www.sohu.com/a/<id>_<id>(退出码 1) |
| 1002 / 1003 | 未登录 / token 失效 | 走 register --link 或 login --link(退出码 2) |
| 2003 | 需要图形验证码 | 统一走 --link |
| 3001 | 点数不足 | 提示充值(退出码 3) |
| 3005 | 能力未启用 | 联系客服 |
fail_kind=unavailable | 文章不存在/已删除 | 不返还,如实告知用户 |
| 4290 | 触发限流 | 稍后重试 |
| NETWORK_ERROR | 网络/服务不可达 | 检查 base_url(退出码 4) |
计费规则提示
- 1 条链接 = 1 点数,受理时预扣。
- 文章不存在/已删除(业务侧失败)不返还。
- 服务侧抓取异常/超时(异常)全额返还。
query/export/quota不扣费。
红线
- 仅采集公开文章内容;不用于任何违法违规用途,不要绕过付费墙/登录墙。
- 不要向用户承诺 100% 成功;搜狐反爬/接口异常导致的失败如实透出。
- 转载文章的正文以搜狐页面为准,不要臆造原文出处。
同分类其他技能
查看全部 ›中国金融机构数据爬取与分析综合 Skill v12.1.0。2334家/43大类机构名单、60+财经媒体源舆情、 A股报告/公告/研报、
303 99.4万 MysteelAI - 智能问数我的钢铁网(Mysteel)大宗商品价格行情数据查询技能,基于钢联/隆众数据平台提供专业价格数据服务。覆盖黑色金属、有色金属、能源化工、
9 75万 smart-charts32种图表,3 个主题,2步生成: 1.上传数据 — 将 CSV / Excel / JSON 等格式的数据文件拖入对话框; 2.查看结
149 74.3万 论文配图一键生成论文配图一键生成:一条命令从 JSON/CSV/Excel 生成顶刊级学术图表,科研绘图 与期刊配图全场景覆盖。41 种图表(森林图/K
91 52.8万 smart-chartsIntelligent chart generation and data analysis skill. Reads user-sup
2 37.9万 股票/基金/期货量化分析工具全球智能投研工具(stock-researcher)v14.0:多源数据 + 概率预测 + 批量研究 + 可导出报告。 核心能力: -
152 26.5万