Perplexity Pro不支持直接写入本地数据库，但可通过四种导出方式手动保存：一、导出HTML后用BeautifulSoup解析入库；二、导出PDF再OCR识别结构化存储；三、复制Markdown经脚本转为SQLite表；四、拦截API响应JSON存入本地数据库。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您希望将Perplexity Pro版中生成的搜索结果、分析内容或引用资料长期保留在本地环境，而非依赖云端账户存储，则需明确：Perplexity Pro本身不提供直接写入本地数据库的功能，但可通过导出为标准格式后，由用户自主导入至本地数据库系统。以下是四种可行的手动保存路径：
一、导出为HTML文件并解析入库
该方法保留原始页面结构与引用链接，适用于需还原上下文关系的场景。导出后的HTML可借助脚本提取标题、回答正文、引用编号及对应URL，再批量插入SQLite或MySQL等轻量级数据库。
1、在Perplexity Pro界面完成搜索后，点击右上角“⋯”菜单。
2、选择“Export as HTML”选项。
3、保存文件至指定本地路径，确保文件名含时间戳便于版本管理。
4、使用Python的BeautifulSoup库读取该HTML，定位class="answer-content"与data-citation元素。
5、将提取的question、answer_text、citation_url、timestamp字段组装为SQL INSERT语句，执行导入。
二、导出为PDF后OCR提取文本再结构化存储
PDF格式具备高保真排版与跨平台兼容性，适合归档长篇分析；通过OCR识别可还原可编辑文本，并按段落、标题、列表等语义单元切分，构建结构化数据表。
1、点击搜索结果页右上角“⋯”菜单，选择“Export as PDF”。
2、使用支持中文的OCR工具（如Adobe Acrobat Pro或开源Tesseract 5.3+）对PDF执行全文识别。
3、将识别结果保存为UTF-8编码的TXT文件，去除页眉页脚与分页符。
4、编写正则规则匹配“问题：”、“回答：”、“参考文献[1]：”等标识符，分离字段。
5、将清洗后的字段映射至本地数据库的search_records表，包含id、query、response、sources、export_time字段。
三、复制为Markdown并转换为SQLite表
Markdown格式天然适配文本解析，保留标题层级、代码块与链接，便于自动化处理；可直接作为中间格式，经Pandoc或自定义脚本转为CSV或SQL批量导入。
1、在Perplexity Pro回答区域右键，选择“Copy as Markdown”（若未显示，先启用开发者模式并检查剪贴板API权限）。
2、粘贴至本地文本编辑器，确认包含# 问题、## 回答、- [1] https://xxx等标准语法。
3、使用Python脚本调用markdown-it-py解析AST，提取heading、paragraph、link节点。
4、将每个问答单元序列化为JSON对象，写入临时.jsonl文件。
5、运行sqlite3命令行工具，执行.mode json + .import *.jsonl search_table完成导入。
四、通过API响应拦截保存原始JSON至本地数据库
Perplexity Pro前端实际调用其内部REST API获取答案，启用浏览器开发者工具可捕获响应体；该JSON含完整元数据（模型ID、token用量、引用锚点），是最接近原始数据源的本地化方式。
1、打开Chrome浏览器，按F12进入开发者工具，切换至Network标签页。
2、在Filter栏输入“/search”或“/answer”，刷新搜索页触发请求。
3、点击对应fetch/XHR条目，在Response面板中复制全部JSON内容。
4、将JSON保存为以timestamp_answer.json命名的文件，存入本地data/perplexity_raw/目录。
5、使用sqlite3命令创建raw_api_responses表，字段包括id INTEGER PRIMARY KEY, request_time TEXT, model TEXT, answer TEXT, citations TEXT, raw_json BLOB；随后执行INSERT INTO ... VALUES (?, ?, ?, ?, ?, ?)绑定导入。
