feat(content): 正文提取改为 Markdown 输出

[ZouZhao321]

关联

无对应 issue。

做了什么

content 命令的正文提取，从「取 #js_content 纯文本、按空白切行」改为「HTML → Markdown」：

• 用 turndown + @joplin/turndown-plugin-gfm 转换，保留标题、列表、代码块、图片、引用与表格。
• 图片取 data-src（微信懒加载的真实地址），跳过 data: 占位图。
• script / style 移除，只取 #js_content。
• 顺带修掉旧实现 split(/\s+/).join("\n") 造成的正文断行：Claude code 以前会被切成两行。

依赖选型说明：microsoft/markitdown 是 Python 包（pyproject.toml 依赖 beautifulsoup4、markdownify），Node CLI 用不了；npm 上的 markitdown-ts 是社区移植（0.0.10，2026-02 停更），依赖 jsdom、mammoth、pdf-parse、xlsx、ai，而它自己的 src/converters/html.ts 就是 jsdom + turndown。所以只引入 turndown 与 GFM 插件这两个库。

JSON 外壳保持不动：结果仍在 stdout 的 { url, content }，错误仍在 stderr + {"error":...} + 退出码 1。

验收

• 命令：pnpm format:check && pnpm lint && pnpm build && pnpm test，结果：全绿，6 个文件 37 条测试通过（新增 4 条）
• 命令：node dist/index.js content "https://mp.weixin.qq.com/s/s_AmjWIB57b7fQY_3VNkoQ"，结果：exit 0，17076 字符；### 13 处、#### 35 处、图片 15 处、表格行 15 处、引用 24 处、列表项 42 处，与页面 HTML 里的 h3 13 / h4 35 / img 15 一致
• 对照改动前：同一篇正文为 12269 字符，Markdown 标记数为 0（#、**、代码围栏、图片语法均不出现）

影响面与回滚

content 字段的值由纯文本变为 Markdown，字段名与 JSON 外壳不变，退出码与错误分支不变；MCP 的 content 工具返回同一份载荷，随之变化。回滚：git revert 本提交。

检查清单

• 一个 PR 只对应一个逻辑变更，提交信息形如 type(scope): 中文描述
• 本地跑了完整测试，不只跑改动的那一条
• 涉及对外接口或结构的改动已同步到 docs/（README、docs/README.zh-CN.md）

[ZouZhao321]

ocr 评审与处理

命令：ocr review --from main --to HEAD --provider commandcode（worktree 内执行）。

• 默认 provider ark 整月额度已用尽：ocr llm test 返回 429 AccountQuotaExceeded，重置时间 2026-10-16 23:59:59 +0800。commandcode 是 ~/.opencodereview/config.json 里已有的另一个 provider，用 --provider 单次指定，配置文件未改动。
• 第一轮 6 个文件里 3 个失败（含 src/lib/markdown.ts 所在分组），0 条结论，不可用；--resume 续跑后完成，2 条发现，均 low。

1. src/lib/markdown.ts 图片地址与 alt 未转义 → 已处理（结论与评审不同）

评审建议对地址做转义/加尖括号。实测 turndown 7.2.4 的默认规则已经处理：

输入  <img src="https://x/a b(c)d<e>f.png" alt="图[1]">
输出  ![图\[1\]](<https://x/a b\(c\)d\<e\>f.png>)

即地址含空格/圆括号时加尖括号并转义，alt 里的方括号也会转义。因此删除了我原先手写的转义——它会把反斜杠叠加成 \\\[，反而破坏输出。补了一条测试固定该行为（fixture 里的 data-src="https://mmbiz.qpic.cn/a/b (1).png"）。

补充事实：真实文章 15 张图的地址里没有空格/圆括号/尖括号，alt 里没有方括号，这一条是潜在边界，当前语料不触发。

2. src/lib/markdown.ts 双重类型断言 → 已处理

图片的 data-src 归一化移到 cheerio 阶段（content.find("img")，typed API），自定义 turndown 规则整段删除，断言随之消失。评审建议的 lib: ["ES2022", "DOM"] 未采纳：会给 Node CLI 引入浏览器全局类型，与 @types/node 的同名声明冲突风险更高。

验证

• pnpm format:check && pnpm lint && pnpm build && pnpm test：全绿，38 条测试通过。
• node dist/index.js content "https://mp.weixin.qq.com/s/s_AmjWIB57b7fQY_3VNkoQ"：17076 字符，### 13、#### 35、图片 15、data: 占位图 0、表格行 15、引用 24、列表项 42，与页面 HTML 一致。