# 紫鸟 / HubStudio 文档归档

抓取时间：**2026-10-05 12:11**　抓取工具：`crawl.py`（本目录，源码随包提交）

## 目录结构

| 路径 | 说明 |
|---|---|
| `md/<group>/…` | 提取后的 Markdown（可直接阅读/检索，gitea 里有） |
| `raw/<group>/…` | 原始响应（HTML 或 .md），**仅本地保留**，不入 git |
| `repos/` | 三个官方 Skill 仓库的文件级快照（见下） |
| `manifest.tsv` | 每页记录：group / url / http / bytes / sha256前16 / title |
| `INDEX.md` | 分组索引：标题 + 本地路径 + 来源 URL |
| `ARCHIVE.tar.gz` | 本地全量快照（含 raw/） |

## 统计

| group | 说明 | 计划 | 成功 | 失败 | md | raw | 体积 |
|---|---|---:|---:|---:|---:|---:|---:|
| `zn-help` | 紫鸟帮助中心（help/docs + help-v5/docs，共 468 页） | 468 | 468 | 7 | 468 | 468 | 5.1M + 92.7M |
| `zn-blog` | 紫鸟跨境知识库（WordPress 博客，255 篇） | 255 | 248 | 24 | 248 | 248 | 0.9M + 16.2M |
| `zn-news` | 紫鸟主站资讯与博客（/news + /blog，含 SEO 文章约 3000 篇） | 2992 | 2992 | 0 | 2992 | 2992 | 18.4M + 356.4M |
| `hs-api` | HubStudio API 文档（api-docs，Markdown 直出，160 页） | 160 | 160 | 0 | 160 | 160 | 1.0M + 35.5M |
| `hs-support` | HubStudio 帮助中心（support 站，首页可见的文章） | 21 | 21 | 0 | 21 | 21 | 0.1M + 0.8M |

合计：**3889 篇 Markdown**、3889 份原始响应、约 **527 MB**。

## 来源

- 紫鸟 sitemap：<https://www.ziniao.com/sitemap.xml>
- 紫鸟博客 sitemap：<https://blog.ziniao.com/sitemaps.xml>
- 紫鸟帮助中心：<https://www.ziniao.com/help/>
- 紫鸟开放平台：<https://open.ziniao.com/>
- 紫鸟官方 Skill 仓库：<https://github.com/ziniao-open/skills>
- 紫鸟官方 WebDriver/Skill Hub：<https://github.com/ziniao-open/skill-hub>
- HubStudio API 文档 sitemap：<https://api-docs.hubstudio.cn/sitemap.xml>
- HubStudio 帮助中心：<https://support-orig.hubstudio.cn/>
- HubStudio 官方 Skill 仓库：<https://github.com/hubstudio-Max/hubstudio-skill>

## 官方 Skill 仓库（repos/）

| 仓库 | 内容 |
|---|---|
| `repos/skills` | 紫鸟官方 skill 包（员工/角色/部门/账号/设备/店铺控制等），CC BY 4.0 |
| `repos/skill-hub` | 紫鸟 WebDriver 文档与示例（applyAuth/getBrowserList/startBrowser…） |
| `repos/hubstudio-skill` | HubStudio 官方 skill（含 ADB 连接、OpenClaw 教程、commands 清单） |

## 已知缺口（重要）

- **HubStudio 帮助中心（support 站）是 Baklib 托管的 SPA**：文章页无服务端内链、站点无 sitemap，
  只能取到首页可见的文章（约 20 篇）。要抓全需登录态或渲染 JS，本归档不含。
- 紫鸟主站 `/blog/*` 与 WordPress 博客是两套内容，均按原样归档，可能有重叠主题。
- 页面内的图片/附件未下载（只存正文文本）；需要时按 `raw/` 里的原始 URL 再取。
- 部分页面为 404/登录后可见，manifest 里 http 非 200 的行即失败项。

## 版权与使用

- 文档内容版权归各自厂商（紫鸟：福建紫讯信息科技；HubStudio：其运营方）所有，**本归档仅供内部查阅参考**，
  不改变原授权；对外分发前请先确认授权。
- `repos/skills`、`repos/skill-hub`、`repos/hubstudio-skill` 为官方公开仓库快照，紫鸟 skill 包声明为 **CC BY 4.0**，使用时请保留署名。

## 复现

```bash
python3 crawl.py --list        # 看各来源规模
python3 crawl.py               # 全量抓取（幂等，可续抓）
python3 mirror_repos.py        # 快照官方仓库
python3 package.py --push <remote>
```