Communityコーディング&開発github.com

DSH-skill(ウェブ抽出)

ユーザーが指定したURLから特定の情報を抽出するスキル。単一ページの内容、日付、データ抽出に適しています。

DSH-skill(ウェブ抽出) とは?

このスキルは、ユーザーから具体的なURLが提供され、そのページから特定の情報を抽出する必要がある場合に使用します。単一ページのテキスト内容、リストアイテム、日付、数値データの抽出に適しています。例えば、「このページの最新ニュースを教えて」「このブログの投稿日を抽出して」といったリクエストに対応します。対応プラットフォームは、web_fetchなどのウェブページ取得ツールが利用可能な環境(Claude Code、Cursor、Codexなど)です。動作フローは、まずツールの可用性を確認し、次にページを取得し、ユーザーの要求に応じて情報を抽出、最後に指定されたフォーマットで結果を出力します。注意点として、ユーザーがURLを提示せずに検索クエリのみを与えた場合は、代わりにmulti-source-extractorスキルを使用します。また、GitHubリポジトリの解釈が必要な場合は、github-repo-explainerスキルを使用します。このスキルは、ページ全体の要約ではなく、ユーザーが指定した情報のみを正確に抽出することに特化しています。

対応~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dji-sq/DSH-skill/tree/HEAD/web-extractor

Installed? Explore more コーディング&開発 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

ウェブ情報抽出フロー

ユーザーがURLと希望する情報タイプを指定した場合、以下の手順で実行します。

ステップ1: 取得能力の確認

まず、現在のセッションでウェブページ取得ツール(例:web_fetch)が利用可能かどうかを確認します。利用できない場合は、直接「現在の環境ではウェブページ取得機能が有効になっていません」とユーザーに伝え、フローを停止します。内容を偽装して取得したふりをしないでください。

ステップ2: ページの取得

利用可能な取得ツールを呼び出して、URLの本文内容を取得します。取得に失敗した場合(タイムアウト、403エラー、内容が空など)、失敗した理由をそのまま報告し、内容を捏造しないでください。

ステップ3: 情報の抽出

ユーザーが指定した情報タイプに基づいて、本文から該当する内容を抽出します。

  • ユーザーが「特定の段落」を要求した場合、原文をそのまま引用し、書き換えないでください。
  • ユーザーが「リスト/項目」を要求した場合、各項目を元の順序を保持したまま列挙します。
  • ユーザーが「数値/日付/名前」を要求した場合、見つかった値のみを出力し、原文中の前後の文脈(前後一文ずつ)を併記します。
  • 「日付」とは、ページ上に表示されている日付テキスト(YYYY-MM-DD、YYYY/MM/DD、日本語の年月日、英語の月名などの形式)を指します。フッターの著作権年号やHTMLメタデータ内の日付は抽出しません。

ステップ4: 出力形式

以下の形式で出力します。

取得ステータス: 成功 / 失敗(理由を添える) ページタイトル: [取得できた場合は記入、できなかった場合は「不明」] 抽出結果:

  • [ユーザーが要求した情報タイプに応じて整理]

境界条件

  • ページ全体の要約は行わず、ユーザーが要求した情報のみを抽出します。
  • ページの内容が明らかにログインページやエラーページである場合は、「抽出結果」セクションにその旨を報告します。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

関連スキル