【开源工具】DeepSeek-Raw-Export|油猴脚本使用 DeepSeek 的复制按键直接导出

【开源工具】DeepSeek-Raw-Export|油猴脚本使用 DeepSeek 的复制按键直接导出

文章目录

前言:为什么还要造一个轮子?

最近在使用 DeepSeek 时,我发现市面上虽然已经有一些导出工具,但它们的设计思路让我有点"强迫症"发作。

大多数工具导出的都是浏览器渲染之后的结果 。这意味着导出的文件里夹杂着大量的 HTML 标签、CSS 样式,甚至原本是数学公式或图表的内容,直接被转成了渲染后的 SVG 或者图片。这样一来,最宝贵的原始 Markdown 信息反而丢了,二次编辑或归档都非常不方便。

我找了一圈,没发现能直接"原汁原味"导出 DeepSeek 原始数据的工具【或者找到了,但是挂了】。虽然官方可能也有类似的脚本(但我没找到),既然如此,我就自己写了一个。

目前该脚本已在 GitHub 和 Greasyfork 开源,虽说不是什么惊天动地的大项目,但如果你也像我一样只想要纯净的 Markdown,那它应该挺适合你。

【我确定我会长期维护这个,所以如果有需要但是这个脚本挂了的话,可以随时联系】

核心痛点与解决方案

这个脚本的核心逻辑非常简单粗暴:利用 DeepSeek 官方自带的"复制"功能。

DeepSeek 网页版原本就有复制按钮,点击后剪贴板里得到的就是最标准的 Markdown。我的脚本只是模拟了"一个一个去点复制按钮"的过程,并把这些内容拼接成一个完整的文件。

它的优势在于:

  1. 原汁原味:不解析 DOM 里的 HTML,直接获取官方提供的原始 Markdown 数据。
  2. 拒绝乱码:避免了数学公式变 SVG、代码块格式错乱的问题。
  3. 结构清晰:自动区分"用户提问"和"AI 回答"。

功能展示

1. 提取过程可视化

脚本运行通过模拟点击来获取数据。为了让你知道它在干活,我给它加了实时的视觉反馈:

  • 蓝色边框:正在提取用户输入
  • 红色边框:正在提取 AI 回答
  • 顶部进度条:实时显示当前进度

2. 导出结果预览

导出的文件是标准的 Markdown 格式,包含时间戳、对话轮数统计,并且自动为用户和 AI 加上了 Emoji 图标标识。

技术原理(给好奇的开发者)

这个脚本并没有复杂的逆向工程,而是用了更"巧"的办法:

  1. 按钮识别:通过分析页面 DOM,精准定位对话框底部的"复制"按钮(排除掉代码块里的复制按钮)。
  2. 数据拦截 (Hook) :脚本临时覆盖了浏览器的 navigator.clipboard.writeText 方法。当脚本模拟点击复制按钮时,网页试图写入剪贴板的内容被脚本"截获"并保存到内存中,而不会真的去污染你的系统剪贴板。
  3. 队列处理:按对话顺序依次点击,确保导出的逻辑连贯。

如何安装与使用

下载地址

Greasyfork: https://greasyfork.org/zh-CN/scripts/563762-deepseek原始对话导出

Githubhttps://github.com/shandianchengzi/DeepSeek-Raw-Export

使用步骤

  1. 安装 Tampermonkey(油猴)插件。
  2. 点击上方链接安装脚本。
  3. 刷新 DeepSeek 页面,右上角会出现一个【导出 Markdown】的按钮。
  4. 等待页面加载完全,点击按钮即可。

注意事项

  • 环境测试 :目前我主要在 Edge 浏览器 上使用没有问题,Chrome 理论上也是通用的。
  • 请勿乱动:提取过程中(通常比别的直接获取网页渲染之后的结果的脚本要慢一些,80多条数据的话,大概需要20秒钟吧),尽量不要刷新页面或切换到其他对话,以免打断脚本的自动点击流程。

如果你觉得好用,欢迎去 Greasyfork 给个好评,或者在 GitHub 上提 Issue。希望能帮到同样喜欢纯文本的你!

本账号所有文章均为原创,欢迎转载,请注明文章出处:https://shandianchengzi.blog.csdn.net/article/details/157300233。百度和各类采集站皆不可信,搜索请谨慎鉴别。技术类文章一般都有时效性,本人习惯不定期对自己的博文进行修正和更新,因此请访问出处以查看本文的最新版本。

相关推荐
cuguanren44 分钟前
MuleRun vs OpenClaw vs 网页服务:云端安全与本地自由的取舍之道
安全·大模型·llm·agent·智能体·openclaw·mulerun
大数据AI人工智能培训专家培训讲师叶梓1 小时前
FaithLens:8B 参数大模型幻觉检测器,性能超 GPT-4.1 且低成本可解释
大模型·llm·大模型幻觉·人工智能讲师·大模型讲师·大模型培训·llm幻觉
星始流年2 小时前
AI Agent 开发系列 之 01 🔎重新认识 LLM
人工智能·llm·agent
_张一凡2 小时前
【大语言模型学习】一文详解阿里Qwen3大模型以及全参量微调入门实战教程(代码完整)
llm·aigc·大语言模型·多模态·qwen3·大语言模型微调·全参量微调
supersolon8 小时前
OpenClaw接入飞书(channel)
ai·llm·飞书·openclaw·龙虾
每天都要写算法(努力版)8 小时前
【大模型的原理架构对比解析】Encoder-Decoder 架构与 Decoder-Only 架构的输入输出详解
llm·encoder-decoder·decoder-only
8Qi88 小时前
Hello-Agents学习笔记--旅行助手智能体案例
人工智能·llm·agent·智能体·tavily
私人珍藏库8 小时前
[Windows] FFmpeg 图形化:EasyFF v0.17
ffmpeg·媒体·工具·软件·win·多功能
chaors1 天前
从零学RAG0x0d:AdvancedRAG检索后优化
langchain·llm·ai编程
CoderJia程序员甲1 天前
GitHub 热榜项目 - 日榜(2026-03-18)
ai·大模型·llm·github·ai教程