语雀知识库批量导出，不滚动不监听，我只多看了一眼HTML源码

如果你试过用RPA做语雀知识库的自动化抓取，你一定懂这个痛——

几十上百篇文档明明就在那里，左侧目录树却因为懒加载，根本没法一次性抓全。

掌心向暖RPA自动化

很多人的第一反应是  让RPA边滚动边抓节点  。但语雀那个目录树是懒加载的，你往下滚，它才慢悠悠吐出几个新节点。

滚快了容易跳过，网络一卡节点没渲染出来，结果就缺胳膊少腿。为了补漏，你不得不加延迟、加重试、加异常处理，整个应用80%的代码都在跟前端的意外情况搏斗。

掌心向暖RPA自动化

相比起来，  网页监听是比滚动更优雅的路子  ，实测截获加载目录的API请求确实能拿到文档信息，但我也发现响应数据中，  缺失了分组节点 ，而仅能获取有实际内容的文档节点。目录结构一旦涉及层级分组，就拼不完整了。

所以我在想，有没有一个  连请求都不用等、还能把完整目录树一次拿全  的办法？

后来在排查页面时，我无意中在浏览器的"开发者工具-元素面板"，看到了下面这个：

<ｓｃｒｉｐｔ>

(function() {

window.appData = JSON.parse(decodeURIComponent("%7B%22me%22%3A..."));

})();

ｓｃｒｉｐｔ>

一大串URL编码的字符，被包在   标签里，安静地躺在页面最上方。

掌心向暖RPA自动化

我把中间那段字符串复制到解码工具里，  先URL解码，再JSON解析  。然后我看到了   book.toc   。

那是一个完整的数组。49篇文档。标题、链接、层级关系、文档ID，整整齐齐，一个不落。

掌心向暖RPA自动化

原来，语雀在服务端生成这个HTML页面的时候，就已经把整个知识库的目录结构全部打包塞进去了。前端那些滚动、懒加载、动画效果，不过是把这棵已经到手的树，按你的视线一点点展开给你看。

那我们具体怎么操作？我总结了一个四步走的小闭环，在影刀RPA里跑得很稳：

掌心向暖RPA自动化

第一步：获取该页面HTML片段。  写个xpath直接取这段  原始源码，这一步是所有后续操作的基础。

第二步：用正则定位那段隐藏JSON。  匹配   JSON.parse(decodeURIComponent("   这个固定特征，提取双引号中间的那一长串URL编码字符串。

掌心向暖RPA自动化

第三步：URL解码并解析。  先做   decodeURIComponent   （把   %7B   变回   {   ，   %22   变回   "   ）；再做   JSON.parse   ，把字符串还原成结构化的JavaScript对象。

掌心向暖RPA自动化

第四步：读取   appData.book.toc   。  这个字段本身就是完整目录树。遍历它，取每个节点的   title   和  url ，拼接出每篇文档的URL，后续想怎么处理就怎么处理。

整个流程跑下来，  从打开页面到拿到全部目录信息，耗时不到一秒钟  。

掌心向暖RPA自动化

写到这，我想说的不只是语雀怎么抓，而是一种更容易复用的思路：下次你面对一个Vue、React或Next.js页面时，先别急着写滚动逻辑。

打开源码搜一搜

* window.appData    

* window.__INITIAL_STATE__    

* script type=application/json;  

这些是现代前端为了做服务端渲染，几乎必然会留下的"数据痕迹"。

找到它们，你就从"被UI牵着鼻子走的执行者"，变成了"直接读取底层状态的编排者"。

掌心向暖RPA自动化

不过上面这些，说到底只是第一步——把目录树从源码里捞出来。思路不复杂，但要把  目录解析、批量下载、导出 Markdown 这一套全部串起来，还是得花点时间。

如果你不想自己动手搭建这套自动化流程，而是想要一个  可以直接跑通的应用：输入语雀知识库链接，自动完成目录解析、批量下载文档，最终导出为本地Markdown格式。

-END-

• 爱练字的ISTJ型互联网人/信息整合怪/工具人/影刀高级认证工程师。

• 专注分享：RPA&AI自动化场景提效方案、效率软件安利、实用技能。"所有的生产要素都可以被构建，只有认知是壁垒"，欢迎関注

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～