Tophot Chinese

# 技能：今日热榜爬虫与内容抓取 (TopHub Spider)

## 1. 环境依赖与安装 (Prerequisites)
如果系统尚未安装相关依赖，Agent 应参考以下步骤进行环境部署：

1. **核心库安装**: `pip install crawl4ai requests tqdm pypinyin`（若 `pip` 不可用则用 `pip3`）
2. **浏览器内核初始化**: `python -m playwright install chromium`（若 `python` 不可用则用 `python3`）

> **注意**: 以下命令中的 `python` 在部分平台可能需要替换为 `python3`，Agent 应自行判断当前环境使用哪个。

---

## 2. 技能描述

本技能由两个脚本组成，职责分离：

| 脚本 | 职责 | 说明 |
| --- | --- | --- |
| `{baseDir}/scripts/{baseDir}/scripts/tophub_spider.py` | **获取热榜列表** | 从 tophub.today 拉取热榜，生成 `{标题}.json` 文件（只含 title、description、url，不抓正文） |
| `{baseDir}/scripts/{baseDir}/scripts/fetch_site_content.py` | **抓取正文内容** | 读取 JSON 文件中的 url，用 crawl4ai 抓取 Markdown 正文并保存 |

**典型工作流**：
1. 用 `{baseDir}/scripts/tophub_spider.py` 拉取某网站热榜 → 生成 `{保存路径}/{网站拼音}/{标题}.json`
2. 用 `{baseDir}/scripts/fetch_site_content.py` 对单个文件或整个目录抓取正文内容

---

## 3. 核心指令集

### 3.1 {baseDir}/scripts/tophub_spider.py — 获取热榜列表

获取指定网站热榜（全部）：
```bash
python {baseDir}/scripts/tophub_spider.py <网站名称>
```

获取前 N 条：
```bash
python {baseDir}/scripts/tophub_spider.py <网站名称> --top <数量>
```

指定保存路径：
```bash
python {baseDir}/scripts/tophub_spider.py <网站名称> --output <路径> --top <数量>
```

查看所有可用站点：
```bash
python {baseDir}/scripts/tophub_spider.py
```

### 3.2 {baseDir}/scripts/fetch_site_content.py — 抓取正文内容

抓取单个文件（回写到原文件的 content 字段）：
```bash
python {baseDir}/scripts/fetch_site_content.py <文件.json>
```

抓取单个文件（保存到指定文件）：
```bash
python {baseDir}/scripts/fetch_site_content.py <文件.json> --output <输出文件.json>
```

批量抓取目录下所有文件（回写到各原文件）：
```bash
python {baseDir}/scripts/fetch_site_content.py <目录路径>
```

批量抓取并保存到另一个目录：
```bash
python {baseDir}/s...