X/Twitter 长文复制不了？用 Codex 自动抓正文、图片和互动数据保存成 Markdown

这篇教程写给第一次折腾命令行、Codex、Chrome 插件和 X/Twitter 长文抓取的新手。

最终目标很明确：

把一个 X/Twitter 长文链接，例如：

https://x.com/用户名/status/推文ID

抓取成一个本地 Markdown 文件，方便放进 Obsidian、Notion、Typora 或自己的资料库里长期保存。

本文里的 Twitter-cli 指的是一个命令行抓取工作流：用 Chrome 插件导出登录 Cookie，用命令行工具抓取推特长文原始内容，再用 Codex 辅助整理成 Markdown。

一、适合谁看

如果你符合下面任意一种情况，这篇教程就适合你：

• 想保存 X/Twitter 上的长文，但是手动复制太麻烦。
• 想把长文保存成 .md 文件，方便放进 Obsidian。
• 使用 Windows，不熟悉 macOS 或 Linux 教程里的命令。
• 不太会写代码，但愿意让 Codex 帮你跑命令、改脚本、整理文件。
• 已经登录了 X/Twitter，但不知道怎么让命令行“带着登录状态”访问文章。

二、整体流程先看一眼

完整流程是这样：

1. 在 Windows 上安装 Python。
2. 安装命令行抓取工具 gallery-dl。
3. 在 Chrome 里登录 X/Twitter。
4. 用 Chrome 插件导出 cookies.txt。
5. 在 PowerShell 里用命令抓取推特长文。
6. 让 Codex 或 Python 脚本把 HTML 转成 Markdown。
7. 把生成的 .md 文件放进你的资料库。

你不用一开始就理解所有原理，先照着做一遍。跑通一次之后，再回头看就会很清楚。

三、准备工作

你需要准备这些东西：

• 一台 Windows 电脑。
• 一个能正常登录 X/Twitter 的 Chrome 浏览器。
• 一个 X/Twitter 账号。
• Codex 桌面版或 Codex 命令行环境。
• Python 3.9 或更高版本。
• Chrome 插件：Get cookies.txt LOCALLY。

可选工具：

• Obsidian：用来管理 Markdown 笔记。
• Typora 或 VS Code：用来预览 Markdown。
• Tampermonkey + Twitter Web Exporter：适合导出时间线、收藏、书签等数据，但本文重点是长文抓取。

四、第一步：安装 Python

打开 Python 官网下载安装包：

https://www.python.org/downloads/windows/

安装时一定要勾选：

Add python.exe to PATH

这一步非常重要。小白最常见的问题就是安装了 Python，但 PowerShell 里找不到 python。

安装完成后，打开 PowerShell。

检查 Python 是否安装成功：

python --version

如果看到类似下面的输出，说明成功：

Python 3.9.13

如果提示找不到 python，可以再试：

py --version

如果 py 可以用，也没问题。后面的命令可以把 python 替换成 py。

五、第二步：创建工作目录

建议先建一个专门存放推特长文的目录。

在 PowerShell 中运行：

mkdir "$env:USERPROFILE\Desktop\twitter-cli"
cd "$env:USERPROFILE\Desktop\twitter-cli"
mkdir cookies
mkdir downloads
mkdir markdown
mkdir scripts

目录含义如下：

后面所有命令默认都在这个目录下执行：

cd "$env:USERPROFILE\Desktop\twitter-cli"

六、第三步：安装 Twitter-cli 抓取工具

这里推荐用 gallery-dl 作为核心抓取工具。

它是一个命令行下载工具，可以抓取很多网站的内容，也支持 X/Twitter。

在 PowerShell 中运行：

python -m pip install --upgrade pip
python -m pip install --upgrade gallery-dl

检查是否安装成功：

python -m gallery_dl --version

注意，这里用的是：

python -m gallery_dl

不是：

gallery-dl

原因是 Windows 上经常会遇到 gallery-dl 命令没有加入 PATH 的问题。用 python -m gallery_dl 更稳。

如果你看到版本号，例如：

1.x.x

说明安装成功。

七、第四步：安装 Chrome Cookie 插件

推特长文很多时候需要登录才能看到完整内容。

命令行工具本身没有登录你的账号，所以我们需要把 Chrome 里的登录状态导出来，也就是导出 Cookie。

推荐插件：

Get cookies.txt LOCALLY

安装方法：

1. 打开 Chrome。
2. 打开 Chrome 网上应用店。
3. 搜索 Get cookies.txt LOCALLY。
4. 点击「添加到 Chrome」。
5. 安装完成后，右上角会看到插件入口。

八、第五步：导出 X/Twitter Cookie

先在 Chrome 里打开：

https://x.com

确认你已经登录账号。

然后按下面步骤导出 Cookie：

1. 打开你要抓取的推特长文页面，或者至少打开 https://x.com。
2. 点击 Chrome 右上角拼图按钮。
3. 找到 Get cookies.txt LOCALLY。
4. 选择导出当前网站 Cookie。
5. 保存文件为：

twitter_cookies.txt

把这个文件放到：

C:\Users\你的用户名\Desktop\twitter-cli\cookies\twitter_cookies.txt

如果不确定路径，可以在 PowerShell 中运行：

explorer "$env:USERPROFILE\Desktop\twitter-cli\cookies"

这个命令会直接打开 cookies 文件夹。把导出的 twitter_cookies.txt 拖进去即可。

重要提醒：

• Cookie 相当于临时登录凭证，不要发给别人。
• 不要把 Cookie 上传到 GitHub、网盘或公开文档。
• 如果抓取突然失败，第一反应是重新导出 Cookie。
• Cookie 过期很正常，重新导出覆盖旧文件即可。

九、第六步：找到推特长文链接

推特长文通常有两种链接。

第一种是普通推文链接：

https://x.com/用户名/status/推文ID

第二种是文章链接：

https://x.com/i/article/文章ID

如果你在浏览器里打开的是普通推文链接，也可以先用它尝试抓取。很多情况下工具会自动识别里面关联的 Article。

为了避免中文、空格和特殊符号带来的路径问题，建议先把链接复制到记事本里备用。

十、第七步：用命令抓取长文

回到 PowerShell，进入工作目录：

cd "$env:USERPROFILE\Desktop\twitter-cli"

把下面命令里的链接换成你自己的推特长文链接：

python -m gallery_dl `
  --cookies ".\cookies\twitter_cookies.txt" `
  --directory ".\downloads" `
  "https://x.com/用户名/status/推文ID"

PowerShell 里的反引号 ` `` 表示换行。

如果你怕复制错，也可以写成一行：

python -m gallery_dl --cookies ".\cookies\twitter_cookies.txt" --directory ".\downloads" "https://x.com/用户名/status/推文ID"

抓取成功后，打开下载目录：

explorer ".\downloads"

你会看到类似这样的文件结构：

downloads
└── twitter
    └── 用户名
        ├── 文章ID_1.htm
        ├── 文章ID_2.jpg
        ├── 文章ID_3.jpg
        └── ...

其中：

• .htm 是文章正文。
• .jpg、.webp、.webp 是文章里的图片。
• 如果命令输出里文件前面有 #，通常表示文件已存在，被跳过了，不是错误。

十一、第八步：把 HTML 转成 Markdown

抓下来的 .htm 是网页格式，不方便直接放进 Obsidian。

我们可以写一个小脚本，把它转成 Markdown。

先安装解析依赖：

python -m pip install beautifulsoup4 markdownify

然后在 scripts 文件夹中新建文件：

html_to_md.py

可以让 Codex 帮你创建这个文件，也可以自己复制下面的代码进去。

from pathlib import Path
from bs4 import BeautifulSoup
from markdownify import markdownify as md
import re

ROOT = Path.home() / "Desktop" / "twitter-cli"
DOWNLOADS = ROOT / "downloads"
OUTPUT = ROOT / "markdown"

OUTPUT.mkdir(parents=True, exist_ok=True)

def clean_filename(name: str) -> str:
    name = re.sub(r'[\\/:*?"<>|]', "", name)
    name = re.sub(r"\s+", " ", name).strip()
    return name[:80] or "twitter-article"

def find_article_html_files():
    return sorted(DOWNLOADS.rglob("*.htm")) + sorted(DOWNLOADS.rglob("*.html"))

def extract_title(soup: BeautifulSoup, html_file: Path) -> str:
    if soup.title and soup.title.get_text(strip=True):
        return soup.title.get_text(strip=True)

    h1 = soup.find("h1")
    if h1 and h1.get_text(strip=True):
        return h1.get_text(strip=True)

    return html_file.stem

def convert_one(html_file: Path):
    html = html_file.read_text(encoding="utf-8", errors="ignore")
    soup = BeautifulSoup(html, "html.parser")

    title = extract_title(soup, html_file)

    body = soup.body or soup
    markdown = md(str(body), heading_style="ATX")

    markdown = re.sub(r"\n{3,}", "\n\n", markdown).strip()

    source_note = f"> Source HTML: `{html_file}`\n\n"
    final_text = f"# {title}\n\n{source_note}{markdown}\n"

    out_file = OUTPUT / f"{clean_filename(title)}.md"
    out_file.write_text(final_text, encoding="utf-8")

    print(f"OK: {html_file} -> {out_file}")

def main():
    html_files = find_article_html_files()
    if not html_files:
        print(f"No HTML files found in: {DOWNLOADS}")
        return

    for html_file in html_files:
        convert_one(html_file)

if __name__ == "__main__":
    main()

运行转换脚本：

python ".\scripts\html_to_md.py"

转换完成后打开 Markdown 目录：

explorer ".\markdown"

你应该能看到生成的 .md 文件。

十二、第九步：让 Codex 帮你做什么

Codex 在这个流程里特别适合做三件事：

第一，检查环境。

你可以直接对 Codex 说：

帮我检查 Windows 上 Python、gallery-dl、Cookie 文件是否都准备好了。

Codex 可以帮你跑：

python --version
python -m gallery_dl --version
Get-ChildItem ".\cookies"

第二，执行抓取。

你可以把链接发给 Codex：

帮我用 cookies/twitter_cookies.txt 抓取这个 X 长文：
https://x.com/用户名/status/推文ID

Codex 会在 PowerShell 中执行类似命令：

python -m gallery_dl --cookies ".\cookies\twitter_cookies.txt" --directory ".\downloads" "https://x.com/用户名/status/推文ID"

第三，清洗 Markdown。

有些网页转出来会有多余链接、按钮文字或空行。你可以让 Codex 做二次整理：

把 markdown 文件夹里的最新 md 文件整理一下：保留标题、正文、图片链接，删除网页按钮、脚本残留和重复空行。

这就是 Codex 的价值：不是让你记住每条命令，而是让你把目标说清楚，它帮你检查、执行、修补。

十三、可选：使用 Twitter Web Exporter 导出更多数据

如果你不只是想抓一篇长文，还想导出：

• 自己的书签。
• 某个列表里的推文。
• 时间线里的推文。
• 搜索结果。
• 用户主页推文。

可以安装 Tampermonkey 或者 Violentmonkey

再安装用户脚本：Twitter Web Exporter

这个脚本适合导出 JSON、CSV、HTML 数据。

不过要注意：Twitter Web Exporter 更适合批量导出推文数据，不一定是抓取长文 Article 的最稳方案。长文 Article 还是建议优先用本文的 Cookie + 命令行方式。

十四、常见问题

1. PowerShell 提示找不到 python

先试：

py --version

如果 py 能用，后面命令都可以改成：

py -m gallery_dl --version

如果 python 和 py 都不能用，重新安装 Python，并勾选 Add python.exe to PATH。

2. PowerShell 提示找不到 gallery-dl

不要直接用：

gallery-dl

改用：

python -m gallery_dl

这是 Windows 上最省心的写法。

3. 抓取时报登录错误

常见原因是 Cookie 失效。

解决方法：

1. 打开 Chrome。
2. 重新登录 https://x.com。
3. 用 Get cookies.txt LOCALLY 重新导出 Cookie。
4. 覆盖旧的 cookies\twitter_cookies.txt。
5. 重新运行抓取命令。

4. 抓取时报 403 或 401

这一般也是登录状态问题。

检查三件事：

• Chrome 里是否真的已经登录 X/Twitter。
• Cookie 文件是不是导出的 x.com 域名。
• Cookie 文件路径是不是写对了。

路径检查命令：

Get-ChildItem ".\cookies\twitter_cookies.txt"

能看到文件信息才说明路径正确。

5. 下载目录里没有 htm 文件

可能是链接不对，或者这个推文不是长文 Article。

你可以尝试：

• 打开推文，看看是否真的有长文内容。
• 找页面里的 x.com/i/article/... 链接。
• 换成 Article 链接重新抓取。

6. Markdown 转出来很乱

网页 HTML 本身可能包含很多按钮、脚本、样式文本。

可以让 Codex 继续清洗：

请读取这个 md 文件，删除无关按钮文字、导航文字、重复链接和多余空行，只保留文章标题、作者、正文和图片。

也可以让 Codex 根据当前 HTML 结构改进 html_to_md.py。

7. 中文文件名乱码

Windows 一般不会乱码，但老旧编辑器可能显示异常。

建议：

• 用 VS Code、Typora 或 Obsidian 打开。
• 确认文件编码是 UTF-8。
• 文件名不要太长，不要包含 / \ : * ? " < > | 这些特殊字符。

8. Cookie 文件安全吗

Cookie 很敏感。

你可以把它理解成“短期通行证”。别人拿到 Cookie，可能绕过密码直接访问你的登录状态。

所以：

• 不要发给别人。
• 不要截图公开。
• 不要提交到 GitHub。
• 不要放进公开网盘。
• 失误泄露后，立刻退出 X/Twitter 所有登录设备并修改密码。

十五、推荐的新手操作模板

以后每次抓一篇新的推特长文，你只需要做三步。

第一步，确认 Cookie 还有效。

cd "$env:USERPROFILE\Desktop\twitter-cli"
Get-ChildItem ".\cookies\twitter_cookies.txt"

第二步，抓取文章。

python -m gallery_dl --cookies ".\cookies\twitter_cookies.txt" --directory ".\downloads" "https://x.com/用户名/status/推文ID"

第三步，转成 Markdown。

python ".\scripts\html_to_md.py"

然后打开结果目录：

explorer ".\markdown"

十六、给 Codex 的一键提示词

你可以把下面这段直接发给 Codex：

我在 Windows 上要抓取 X/Twitter 长文并保存为 Markdown。

工作目录是：
C:\Users\我的用户名\Desktop\twitter-cli

Cookie 文件是：
cookies\twitter_cookies.txt

请帮我：
1. 检查 Python 和 gallery-dl 是否可用；
2. 检查 Cookie 文件是否存在；
3. 用 Cookie 抓取这个链接：
https://x.com/用户名/status/推文ID
4. 把下载下来的 HTML 转成 Markdown；
5. 把最终 md 文件保存到 markdown 文件夹。

如果你已经有转换脚本，可以再补一句：

转换脚本在 scripts\html_to_md.py，抓取完成后请直接运行它。

十七、实战建议

刚开始不要批量抓很多篇。

先拿一篇公开、能正常打开的长文测试。跑通之后，再处理收藏夹里的重要文章。

建议每篇文章至少保留三份信息：

• 原始推文链接。
• 原始 HTML 文件。
• 清洗后的 Markdown 文件。

这样即使后面 Markdown 转换不满意，也可以回到 HTML 重新生成。

十八、总结

这套流程的核心不是某一个神奇按钮，而是把四件事接起来：

• Chrome 负责登录 X/Twitter。
• Chrome 插件负责导出 Cookie。
• Twitter-cli 命令行负责抓取长文。
• Codex 负责执行命令、修脚本、清洗 Markdown。

对小白来说，最难的地方不是代码，而是路径、Cookie、PowerShell 命令和报错排查。

只要第一次把目录和命令跑通，后面保存推特长文就会变成一个很稳定的流程：复制链接，运行抓取，转成 Markdown，放进资料库。