前言¶
在 DeepSeek Harness（DSH）的插件生態裏，智能體經常需要把網頁內容讀進來，再轉成摘要、關鍵詞、鏈接結構或圖片分析結果。如果每次都由模型臨時拼接 HTTP 請求、解析 HTML、截斷正文，代碼會重複且容易出錯。dsh-scrape-webpage 把這類工作收斂成一個 DSH 組合插件：抓取 http/https 網頁，提取標題、描述、正文、H1–H6 結構和鏈接，輸出統計與高頻關鍵詞，並支持下載內容圖片、接入識圖分析器。
這是什麼¶
dsh-scrape-webpage 是一個 Host-only、零依賴的 DSH 組合插件，維護者爲 131CDA1，許可證爲 MIT。它面向“讀取網頁內容並做輕量分析”的場景。插件以 bundle 包發佈，package.json 中聲明 dsh.bundle.patch，通過 dsh plugin 安裝後會註冊爲組合層。
核心功能¶
下面介紹它提供的主要能力。
- 網頁抓取：支持
http/https，自動重定向；非 2xx 狀態碼會優雅返回。 - 內容提取：提取標題、頁面描述、正文、
H1–H6標題結構、鏈接列表；鏈接列表上限 100。 - 統計分析：輸出字符數、詞/字數、標題數、鏈接數、預計閱讀時長、語言傾向（中/英/混合）與高頻關鍵詞 Top30。
- 圖片下載：可下載頁面內容圖片，並返回本地路徑供
read_image分析。 - 識圖擴展：發佈
scrape.imageAnalyzer服務；識圖插件註冊分析器後，圖片分析結果會作爲imageAnalysis附加在輸出中。 - 沙箱授權：默認在沙箱內抓取；HTTPS 受限時，可通過
sandbox_permissions與審批獲得一次性授權。
圖片會下載到類似下面的本地目錄：
.scrape-images\<時間戳>\
安裝與啓用¶
先確認 pnpm 在 PATH 上；dsh plugin 會轉發給 pnpm。首次使用會自動初始化目標 profile。
從 npm registry 安裝¶
下面是推薦的 npm registry 安裝命令：
dsh plugin --profile web add dsh-scrape-webpage
從 GitHub 安裝¶
如果從 GitHub 安裝，使用：
dsh plugin --profile web add "github:131CDA1/dsh-scrape-webpage"
本地目錄調試¶
本地目錄調試必須顯式使用 file: 前綴。裸路徑或相對路徑會被 pnpm 當作 link: 協議，可能導致包無法被解析。
dsh plugin --profile web add "file:D:\path\to\dsh-scrape-webpage"
卸載¶
卸載命令：
dsh plugin --profile web remove dsh-scrape-webpage
典型用法¶
經過上面的步驟後，最直接的使用方式是在對話中說：
幫我抓取 https://example.com 並分析
常用參數¶
常用參數名稱如下：
url
maxChars
images
sandbox_permissions
justification
說明：
url：要抓取的http/https地址。maxChars：返回正文最大字符數，默認30000，範圍1000–100000。images：同時下載的內容圖片數，上限6，默認0。sandbox_permissions：僅支持danger-full-access，用於 HTTPS 沙箱受限後的重試。justification：與sandbox_permissions配套，說明爲什麼需要更寬權限。
帶圖片抓取¶
如果需要圖片，先讓抓取插件下載圖片，再讀取返回的本地路徑：
幫我抓取 https://example.com 並分析，images: 3
返回中會包含圖片的本地相對路徑 relPath。之後對 relPath 調用 read_image，即可把圖片交給視覺模型分析。
識圖插件接入¶
如果有獨立識圖插件，可以通過下面服務註冊分析器：
ctx.get('scrape.imageAnalyzer')
註冊分析器後，帶 images 參數且數量大於 0 的抓取會把圖片交給分析器，並在輸出中附加 imageAnalysis 結果。
安全與限制¶
- 協議：僅支持
http/https。 - 上限：鏈接列表上限 100；圖片下載上限 6；
maxChars默認30000，範圍1000–100000。 - 超時：工具 180s、頁面 30s、單圖 20s。
- 沙箱：默認在沙箱內抓取。HTTPS 沙箱 TLS 受限時，模型需顯式攜帶下面參數重試：
sandbox_permissions="danger-full-access"
justification="一句話說明爲什麼需要更寬權限"
審批只授權當次調用。
- 平臺：無 fetch provider 的部署經
shell調用curl.exe；Windows 10 1803+ 自帶，其他平臺需 PATH 有 curl。 - 宿主依賴：
tools、systemPrompt、timer爲硬依賴；web、shell、sandboxPolicy、approval、sessions可選，缺失時優雅報錯。 - 權限：插件以當前 dsh 進程權限運行，並可能依賴宿主服務發起網絡請求與下載圖片。安裝前應檢查源碼與 MIT 許可證。
適用場景與注意¶
適合在以下場景使用：
- 需要把網頁正文變成可分析文本。
- 需要標題、鏈接、關鍵詞、語言傾向、預計閱讀時長等統計。
- 需要下載頁面內容圖片，並接入視覺或識圖分析。
如果任務需要非 http/https 協議，或超出正文、圖片數量與超時限制，插件本身不覆蓋這些能力，需要另行處理。
結尾¶
dsh-scrape-webpage 的價值在於把網頁讀取、結構提取、統計分析和圖片分析接入收斂到同一個插件裏，減少重複實現。項目地址：
https://github.com/131CDA1/dsh-scrape-webpage
