【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
2601_9622998841 分钟前
Linux下运行Python脚本
linux·python·ubuntu·脚本·命令
夏文强1 小时前
DeepSeek Harness 底层探秘:Cordis 元框架与「一切皆插件」的实现
人工智能·开源·大模型·agent·deepseek
仙魁XAN1 小时前
【Codex + Deepseek】第 2 篇:什么是 vibe coding:自然语言驱动开发的真实含义
人工智能·codex·deepseek·vibe coding
夏文强2 小时前
DeepSeek Harness 可追溯性实战:会话日志的 resume、fork 与 replay
人工智能·开源·大模型·agent·deepseek
桃西西呀2 小时前
9月1日起AI图要被标记了,机器怎么一眼认出哪张是 AI 画的?
人工智能·机器学习·llm
流浪0012 小时前
大模型技术全景(四):国内外大语言模型格局,技术路线与能力图谱
人工智能·llm
怕浪猫14 小时前
Agent 编排 Agent:DeepSeek Harness 的子代理与工作流系统有多强
agent·工作流引擎·deepseek
旺仔Sec15 小时前
平安赠书活动第五期:DeepSeek V4-Flash正式版性能跃升,《DeepSeek-V4实战指南》一本书完整解锁AI生产力
deepseek
武子康19 小时前
机器人策略 90% 与 92%:为什么两个百分点通常不足以证明更
人工智能·llm·agent