### 前言：为什么 Armbian 与众不同？ Crawl4AI 是一个强大的网页抓取工具，但它依赖的底层浏览器自动化库 Playwright 官方主要提供为普通电脑/服务器（x86_64 架构）编译的浏览器。我们的 Armbian 系统运行在 ARM 架构上，因此无法使用官方的自动安装程序。本指南的核心就是绕过这个限制，手动配置，让 Crawl4AI 在 Armbian 上完美运行。 ### 第一步：系统环境准备 (安装系统版浏览器) 我们不使用 Crawl4AI 自带的安装脚本，而是直接从 Armbian 的软件库中安装已经为 ARM 架构编译好的 Chromium 浏览器。 更新软件列表并安装 Chromium: Bash sudo apt-get update sudo apt-get install -y chromium-browser 获取浏览器路径: 安装完成后，运行以下命令找到它的可执行文件路径，并复制这个路径以备后用。 Bash which chromium-browser (通常路径为 /usr/bin/chromium-browser) ### 第二步：安装 Python 包并初始化环境 接下来，我们安装 Crawl4AI 的 Python 包，并进行一个关键的环境初始化步骤。 使用 pip 安装 Crawl4AI: Bash pip install crawl4ai 初始化 Playwright 环境 (但不下载浏览器): ...

运行 Rclone 官方安装脚本： 这个脚本会自动检测您的系统架构并下载安装最新稳定版的 Rclone。 Bash curl https://rclone.org/install.sh | sudo bash 验证安装： 运行以下命令查看版本号，如果成功显示版本信息，则表示安装成功。 Bash rclone version 测试配置: 运行以下命令，如果能列出您 Google Drive 根目录的文件和文件夹，说明配置成功！ Bash rclone lsd gdrive: (注意：gdrive: 冒号不能少，gdrive 是您之前给远程连接起的名字)。 第二阶段：挂载 Google Drive 创建挂载点: 在您的主目录下创建一个文件夹，用来作为挂载点。 Bash mkdir -p ~/gdrive 执行挂载命令: Bash rclone mount gdrive: ~/gdrive --daemon rclone mount: 挂载命令。 gdrive:: 您配置的远程名称。 ~/gdrive: 本地挂载点目录。 --daemon: 让 rclone 在后台运行，这样您关闭 SSH 连接后挂载依然有效。 验证挂载: 使用 df -h 命令，您应该能看到一个类型为 fuse.rclone 的新文件系统。 使用 ls -l ~/gdrive 命令，您应该能看到您 Google Drive 里的文件。 ...

vaultwarden.deb 包只包含了后端程序，它需要另一个独立的包来提供前端界面。 ## 解决方案 🛠️ 最直接的解决方法就是安装缺失的前端包。 方案一：安装缺失的前端包 (推荐) 您需要回到最初下载 .deb 包的那个页面，找到并下载 vaultwarden-webvault 这个包。 下载前端包 第三方软件包 后端包 前端包 登陆：rain1226:ofen 在您下载 vaultwarden_1.34.1-1+1.1_amd64_ubuntu22.deb 的地方，应该还有一个类似下面这样命名的文件： vaultwarden-webvault_2024.5.0_all.deb (版本号 2024.5.0 可能会不同，架构通常是 all 因为它只包含网页文件)。 安装前端包 使用 dpkg 命令安装它。这个包通常没有复杂的依赖。 Bash sudo dpkg -i vaultwarden-webvault_xxxx_all.deb (请将 xxxx 替换为您下载的实际文件名) 重启 Vaultwarden 服务 安装好前端文件后，它们就会出现在后端程序期望的位置。现在只需重启服务即可。 Bash sudo systemctl restart vaultwarden 再次检查状态 等待几秒钟，然后再次检查服务状态，这次应该就是 active (running) 了。 Bash sudo systemctl status vaultwarden Vaultwarden 的配置通常在 /etc/vaultwarden.cfg（取决于打包方式）。 打开这个文件，找到并修改 SIGNUPS_ALLOWED=true 为 SIGNUPS_ALLOWED=false，然后重启服务 sudo systemctl restart vaultwarden。

这就是编译和部署中最经典的困境： 编译时：我们需要一个新环境（Debian 12），因为它有程序源码需要的、新的开发工具和库（比如 libglib-2.0 >= 2.70）。 运行时：我们需要产物能在一个旧环境（Debian 11）上运行，因为它只有旧版的系统基础库（glibc）。 幸运的是，Rust 语言的工具链非常强大，它提供了一个完美的解决方案来解决这个悖论。 最终解决方案：静态编译 (Static Compilation using MUSL) 我们的最终目标是生成一个不依赖任何系统库的、完全独立的“绿色”程序。这样它就不再关心你的 VPS 是 Debian 11、12 还是其他什么系统了。 这个技术叫做“静态编译”，我们将使用一个名为 MUSL 的C语言基础库来替代主流的 GLIBC。 GLIBC (动态链接)：程序运行时，需要去“借用”操作系统的基础库。操作系统版本不对，就借不到，程序报错。 MUSL (静态链接)：在编译的最后一步，把所有需要的基础库功能，像“干粮”一样，全部打包进最终的程序文件里。程序运行时自给自足，完全不依赖外部系统。 这完美地契合了你最初“单文件，占用资源较少，不需要安装依赖”的设想。 终极操作指南：编译一个真正的静态程序 我们将继续使用 Debian 12 作为我们的编译环境（因为它有我们需要的新版开发工具），但我们会告诉编译器，我们的最终目标是生成一个基于 MUSL 的静态程序。 第一步：彻底清理旧环境 和上次一样，我们先删除旧的 stump-builder 容器，确保从一个干净的状态开始。 如果你还在容器里，请 exit。 在你本地电脑的终端运行： Bash docker stop stump-builder docker rm stump-builder 第二步：启动 Debian 12 编译容器 这一步和上次完全一样，我们仍然需要 Debian 12 的新环境来满足编译时的依赖。 Bash docker run -it \ --name stump-builder \ -v "$(pwd)":/build \ --env "HTTP_PROXY=http://172.17.0.1:7890" \ --env "HTTPS_PROXY=http://172.17.0.1:7890" \ debian:12-slim \ /bin/bash 第三步：在 Debian 12 容器内执行全新的编译步骤 进入容器后，请一步步执行以下命令。注意，依赖包和编译命令都发生了变化。 ...

首先，一个核心概念要明确： CSS选择器是一套独立的“语言”，它本身与Python或JavaScript无关。 无论你在哪里使用它，语法规则都是完全一样的。 在Python的BeautifulSoup里，你把选择器字符串传给 soup.select('...') 函数。 在JavaScript里，你把同样的字符串传给 document.querySelectorAll('...') 函数。 在CSS样式表里，你直接使用它来定义样式。 所以，学会了怎么写选择器，你就等于掌握了一项在所有这些技术中通用的技能。 JavaScript中如何使用CSS选择器 在JS脚本（尤其是在浏览器控制台里调试时），你主要会用到这两个函数： document.querySelector('你的选择器') 作用：返回匹配到的 第一个 元素。 特点：如果找不到，返回 null。当你确定只有一个目标时，用它很方便。 document.querySelectorAll('你的选择器') 作用：返回匹配到的 所有 元素，以一个列表（NodeList）的形式。 特点：这是我们爬虫和调试时最常用的！它和Python里的 soup.select() 功能几乎完全一样。如果找不到，返回一个空列表。 这是你在将选择器放入Python代码前，进行测试的最佳方式！ CSS选择器参数写法“速查宝典” 下面，我为你整理了一份从入门到精通的CSS选择器写法“秘笈”，并结合 docs.crawl4ai.com 的例子来说明。 1. 基础选择器 (The Basics) 类型 语法 例子 (针对crawl4ai) 解释 标签 tag h1 选取所有 <h1> 标签。 类名 .classname .terminal-mkdocs-side-nav-item 选取所有 class 属性包含这个类名的元素。 ID #idname #Introduction 选取 id 属性等于 Introduction 的元素（ID在页面中应唯一）。 2. 组合选择器 (Relationships) 这是最强大的部分，用来描述元素之间的层级关系。 类型 语法 例子 解释 后代 A B ...

crawl4ai真实数据结构，raw_markdown 的正确路径是： item.json.results[0].markdown_v2.raw_markdown 我们来分解一下这个正确的路径： item：这是 n8n 传给 Code 节点的单个数据项，它的顶层就有一个叫 "json" 的对象。 .json：进入这个 "json" 对象。 .results：在 "json" 对象内部，找到 "results" 字段，它是一个数组 [ ... ]。 [0]：从这个数组中，取出第一个元素（因为编号从0开始）。 .markdown_v2：在这个元素对象中，找到 "markdown_v2" 字段。 .raw_markdown：最后，从 "markdown_v2" 对象中，取出我们最终需要的 "raw_markdown" 文本。 你之前的尝试都非常接近，只是因为 crawl4ai 的输出实际上被包裹在了另一层 json 对象里，这是我们之前无法预料到的。你通过 console.log 把它找了出来，这正是最专业的调试方法！ 最终的 n8n Code 节点代码 现在，请将你的 Code 节点代码完整替换为下面这个最终正确版本。它使用了正确的路径，并且依然保持了“健壮性”，可以防止因为未来可能的抓取失败而导致工作流崩溃。 JavaScript // 获取上一个节点传入的所有数据项 const items = $input.all(); // 遍历每一个数据项进行处理 for (const item of items) { // 使用我们最终确定的正确路径来安全地访问数据 let text = item.json?.results?.[0]?.markdown_v2?.raw_markdown; if (text) { // --- 最终清理流程 --- // 1. 【关键新增步骤】将字符串 "\\n" 替换为真正的换行符 \n // 这是解决你看到 `\n` 而不换行的核心 text = text.replaceAll('\\n', '\n'); // 2. 定义一个更全面的“垃圾内容”关键词黑名单 const junkKeywords = [ '分类', '图像来源', '图像加注文字', '补充报导：BBC国际部', 'Article Information', 'Author,', 'Role,', '热读', 'End of 热读', '更多相关内容', '热门内容', '特别推荐', 'BBC值得信赖的原因', '© 2025 BBC' ]; // 3. 先用更强的正则表达式，移除所有图片和链接的 Markdown 标记 text = text.replace(/(!?\[[\s\S]*?\]\([\s\S]*?\))+/g, ''); // 4. 【核心改进】按行处理，用更严格的规则过滤 const lines = text.split('\n'); const cleanedLines = lines .map(line => line.trim()) // 去除每行首尾的空格 .filter(line => { // 规则a: 过滤掉空行 if (line.length === 0) return false; // 规则b: 过滤掉无意义的符号行 if (line === '*' || line === '###') return false; // 规则c: 过滤掉类似 "1. 1" 或 "10. 10" 这样的错误行 if (/^\d+\.\s\d+$/.test(line)) return false; // 规则d: 过滤掉看起来像单独日期的行 if (/^\d{4}年\d{1,2}月\d{1,2}日$/.test(line) || /^\d+\s小时前$/.test(line)) return false; // 规则e: 如果行内包含任何一个黑名单关键词，就过滤掉它 if (junkKeywords.some(keyword => line.includes(keyword))) return false; return true; // 保留所有“干净”的行 }); // 5. 将干净的行重新组合，并整理段落格式 let cleanedText = cleanedLines.join('\n'); cleanedText = cleanedText.replace(/\n{3,}/g, '\n\n'); // --- 清理流程结束 --- item.json.cleaned_markdown = cleanedText.trim(); } else { item.json.cleaned_markdown = "处理失败：未能在指定的路径中找到内容。"; } } // 返回被修改后的数据项 return items;

正确的 Python Code ___Crawl4ai 节点脚本 这次的方案不再依赖任何需要从外部安装的第三方库，而是完全使用了 n8n 的 Python (Pyodide) 环境内置的、专门为此设计的工具。它绕开了所有关于操作系统权限和模块缺失的限制。 请将 Code 节点中的代码完整替换为以下内容： Python # 这是在 Pyodide 环境中进行网络请求的正确方法 import json # 1. 导入 Pyodide 内置的 http 模块 import pyodide.http # 2. 定义 API 请求所需的所有参数 api_url = 'https://name-crawl4ai.hf.space/crawl_sync' api_token = 'Your token' target_urls = ['https://example.com/'] # 3. 构建请求头 (Headers) 和请求体 (Payload) headers = { 'accept': 'application/json', 'Authorization': f'Bearer {api_token}', 'Content-Type': 'application/json' } payload = { "urls": target_urls } # 4. 使用 pyodide.http.pyfetch 发送请求 # 这是一个异步函数, 所以我们必须在它前面加上 await print("正在使用 Pyodide 内置的 pyfetch 发送 API 请求...") try: response = await pyodide.http.pyfetch( api_url, method='POST', headers=headers, # pyfetch 的 body 参数需要一个字符串, 所以我们用 json.dumps 转换 body=json.dumps(payload) ) # 5. 检查响应是否成功 if not response.ok: # 异步获取错误文本 error_text = await response.string() raise Exception(f"HTTP 错误! 状态码: {response.status}, 详情: {error_text}") print("API 请求成功，已获取数据。") # 6. 异步获取并解析 JSON 数据 data = await response.json() # 7. 按照 n8n 的格式要求返回数据 return [{"json": data}] except Exception as e: print(f"请求失败: {e}") raise e 关键改动解读 import pyodide.http: 我们导入的是 Pyodide 环境特有的模块。 ...

我们可以把这些端点分为两大类：核心爬取功能和辅助功能。 核心爬取功能 1. POST /crawl_sync (同步爬取 - 您正在使用的) 用途: 这是最直接、最简单的爬取方式。 工作模式 (同步): 您发送一个包含目标网址的请求，然后您的程序会一直等待，直到服务器完成所有的工作（启动浏览器、加载页面、提取内容），最后服务器将完整的结果一次性返回给您。 好比: 去快餐店点餐。您点单、付钱、在柜台前等待，然后直接拿到您的汉堡。一次搞定。 适用场景: 非常适合测试、快速获取单个页面的结果，或者在您自己的脚本不介意等待几秒到几十秒的情况下使用。 2. POST /crawl 和 GET /task/{task_id} (异步爬取 - 两步法) 这两个端点需要组合使用，提供了一种更高级、更强大的工作模式。 用途: 处理可能耗时很长的爬取任务，避免请求超时。 工作模式 (异步): 第一步 (POST /crawl): 您先发送一个爬取请求。服务器收到后，不会马上开始爬取，而是立即返回一个任务ID (task_id)，好比给您一个取餐的号牌。 第二步 (GET /task/{task_id}): 您拿到 task_id 后，可以过一会儿再用这个 ID 去调用 /task/{task_id} 接口，查询任务的进度（例如：排队中、处理中、已完成、失败）。如果任务已完成，这个接口就会返回最终的爬取结果。 好比: 去一家高级餐厅点一道需要精心烹制的菜。您点单后，服务员给您一个订单号，您可以先做点别的事情，隔一段时间再凭订单号询问菜做好了没有。 适用场景: 构建复杂的应用程序，需要同时发起多个爬取任务而不希望程序被卡住；或者当您要爬取的网站非常庞大，预计会花费几分钟甚至更长时间时，使用异步模式可以防止您的请求因为超时而失败。 3. POST /crawl_direct (直接爬取) 用途: 从命名上看，它很可能也是一个同步端点，类似于 /crawl_sync。 推测: “Direct” 可能意味着它绕过了一些高级的内容处理（比如复杂的 Markdown 转换、内容过滤或文章提取），直接返回更“原始”的页面数据（例如，只提取纯文本或基础HTML）。这会让它的处理速度更快，但返回的信息没有经过深度加工。 辅助功能 4. GET /health (健康检查) 用途: 这是一个标准的接口，用于监控服务是否还“活着”。 工作模式: 当您访问这个端点时，如果服务正常，它会返回一个成功的响应（例如 {"status": "ok"}）。自动化监控系统会定期调用这个接口，如果发现调用失败或超时，就会发出警报，提醒管理员服务可能出问题了。 ...

如何将任何代码（无论是 curl、Python 还是 JavaScript）中的 API 请求，映射到 n8n 的 HTTP Request 节点上。 第一步：理解一个 API 请求的“四要素” 无论用什么工具，一个标准的 HTTP API 请求（特别是 POST 请求）通常都由四个核心部分组成，就像寄一个快递一样： 方法 (Method): 你想让服务器做什么操作。(POST, GET, PUT, DELETE 等) 好比: 告诉快递员你是要“寄件”(POST) 还是“查件”(GET)。 网址 (URL): 你要把请求发送到哪里。 好比: 快递包裹上的“收件人地址”。 请求头 (Headers): 关于这次请求的“元数据”或“说明书”。 好比: 快递单上的附加信息，比如“内含易碎品”(Content-Type)、“寄件人身份证号”(Authorization)。它描述的是这个包裹本身，而不是里面的东西。 请求体 (Body): 你实际发送给服务器的数据。 好比: 你要寄送的“包裹里的物品”。 n8n 的 HTTP Request 节点界面，就是围绕这“四要素”设计的，只不过是用图形化的方式来呈现。 第二步：将脚本代码与“四要素”对应 让我们以我们最终成功的 curl 命令为例，因为它最能清晰地体现这四要素： Bash curl -X POST \ 'https://rain1226-crawl4ai.hf.space/crawl_sync' \ -H 'Content-Type: application/json' \ -H 'Authorization: Bearer password' \ -d '{ "urls": ["https://www.python.org"], "crawler_options": {} }' 我们来分解这个命令： ...

零声母音节的处理方式（这是最根本的区别）。 部分韵母的键位定义。 下面我将为您详细拆解，并提供记忆方法，助您平稳过渡。 一、最大的不同：零声母的处理方式 这是您需要建立的第一个新习惯，也是小鹤方案高效的原因之一。 搜狗双拼 (旧习惯)： 处理零声母音节（如 a, an, ang, o, ou 等）时，需要先按下一个虚拟的“零声母引导键”，通常是 O 键。 输入“安”(an)：需要按 O + J (J是搜狗方案里an的键位)。 输入“昂”(ang)：需要按 O + D (D是搜狗方案里ang的键位)。 小鹤双拼 (新习惯)： 彻底抛弃了零声母引导键。直接将零声母音节的第一个字母视为声母。 输入“安”(an)：直接按 an 所在的键，即 J 键（a在A，n在N，所以an双拼在J）。 输入“昂”(ang)：直接按 ang 所在的键，即 K 键。 输入“爱”(ai)：直接按 ai 所在的键，即 D 键。 您需要做的改变： 忘记 O 键！以后凡是遇到 a, e, o 开头的音节，就把它当成一个普通的双拼音节直接输入即可。这是最核心、最重要的一个转变。 二、需要重新记忆的韵母键位 许多键位在两个方案中是相同的，这会减轻您的学习负担。我们重点关注那些发生了变化的键位。 下表清晰地列出了所有不同点，以及帮助您记忆的“小鹤口诀”提示。 韵母 搜狗双拼键位 (旧) 小鹤双拼键位 (新) 记忆提示与口诀（重点看） 韵母 搜狗双拼键位 (旧) 小鹤双拼键位 (新) 记忆提示与口诀（重点看） ai L D 爱(ai)戴(dài) -> ai 在 D an M J 安(an)静(jìng) -> an 在 J ang D K 昂(áng)首挺胸看(k) -> ang 在 K ianguang K L 姑娘(niáng)靓(liàng) -> iang 在 L ong S H 轰(hōng)隆隆 -> ong 在 H iong S Y 穷(qióng)困潦倒用(y)钱 -> iong 在 Y ing H Y 英(yīng)雄 -> ing 和 iong 都在 Y in J N 因(yīn)为(n) -> in 在 N (本身就是N) un Y P 温(wēn)柔一刀劈(pī) -> un 在 P 快速总结您需要重点练习的8个新键位：D, J, K, L, H, Y, N, P。 ...