| name | wechat-article-camofox |
| description | 使用本机部署的 camofox-browser 稳定抓取微信公众号文章链接内容，优先读取浏览器 accessibility snapshot，并对公众号页噪音做专用清洗，输出 Markdown 或 JSON。 |
| version | 1.1.1 |
| author | Hermes Agent |
| license | MIT |
| metadata | {"hermes":{"tags":["wechat","mp.weixin.qq.com","camofox","browser","extraction","markdown","json"],"related_skills":["ocr-and-documents","hermes-agent"]}} |
WeChat Article Extraction via Camofox
当你要稳定获取 微信公众号文章链接（mp.weixin.qq.com/s/...）的正文内容时，使用这个 skill，喵。
它依赖 camofox-browser 作为浏览器采集层，读取页面 accessibility snapshot，再做公众号页面专用清洗，得到更干净的正文输出。
当前版本已经升级成 方案 B：自动安装型：首次运行会先检查本机 camofox-browser 是否可用；如果还没装，会尝试自动 clone 仓库并执行 npm install，然后再拉起服务。也就是说，用户不必再手动预装 CamouFox，只需要本机已有 git 和 Node.js 18+ / npm，喵。
适用场景
- 抓取微信公众号文章正文
- 输出 Markdown 或 JSON
- 普通静态抓取噪音过多，或浏览器兜底更稳时
- 后续想把公众号抓取能力接到 Hermes 或自己的脚本链路里
这版 skill 提供什么
scripts/run.py：统一入口（推荐公开仓库用户直接使用）scripts/fetch_wechat_article.py：主提取脚本scripts/publish_wechat_article_to_feishu.py：抓取并发布到飞书原生文档（含正文图片）templates/article_urls.example.txt：示例输入- 若装进 Hermes 本机环境，可继续提供命令入口：
wechat-article-fetch
- 若装进 Hermes 本机环境，可继续提供命令入口：
wechat-article-to-feishu
- 若本机已存在
camofox-browser-start / status / stop 管理脚本，会优先复用这些入口；若没有，Python 脚本也能直接完成自动安装与拉起
- 首次运行或服务未就绪时，脚本会在 stderr 打印阶段性进度：检查健康状态、安装依赖、clone 仓库、执行
npm install、启动服务、等待健康检查通过
- 依赖的
camofox-browser 服务管理脚本（若本机已配置）：
camofox-browser-startcamofox-browser-statuscamofox-browser-stop
这次实测后又补了两条关键经验：
- 写飞书原生文档并做回读校验 是这条 workflow 的基本要求，不是可选项
- 图片要按原文顺序插回正文，而不是统一堆到文末
前提条件
- 本机已安装
git
- 本机已安装
Node.js 18+ 与 npm
- 目标链接为可公开访问的公众号文章页
可选预检查：
node --version
npm --version
git --version
camofox-browser 本身不再要求手动预装。首次运行 wechat-article-fetch / wechat-article-to-feishu 时，脚本会自动检查；若缺失，会自动 clone https://github.com/jo-inc/camofox-browser.git 并执行 npm install，然后再尝试拉起本地服务。
最常用用法
0）抓取并直接发布到飞书原生文档
python3 scripts/run.py publish-feishu "https://mp.weixin.qq.com/s/xxxxxxxxxxxxxxxx"
这个 workflow 会执行：
- 抓取公众号文章
- 清洗正文与标题
- 自动提取正文图片并按原文顺序写进飞书原生文档正文
- 回读飞书文档做校验
如果你的任务目标里包含“放到飞书文档里”，这是优先入口。
1）抓取为 Markdown
python3 scripts/run.py fetch "https://mp.weixin.qq.com/s/xxxxxxxxxxxxxxxx"
如果本机还没有 camofox-browser，它会先自动安装；如果服务未启动，它会自动拉起服务，再继续抓取。首次运行过程中会在 stderr 持续打印阶段性进度，例如：检查健康状态、clone 仓库、执行 npm install、启动服务、等待健康检查通过。
2）输出 JSON
python3 scripts/run.py fetch "https://mp.weixin.qq.com/s/xxxxxxxxxxxxxxxx" --format json
3）保存到文件
python3 scripts/run.py fetch "https://mp.weixin.qq.com/s/xxxxxxxxxxxxxxxx" --save /tmp/article.md
4）附带图片列表
python3 scripts/run.py fetch "https://mp.weixin.qq.com/s/xxxxxxxxxxxxxxxx" --format json --include-images
Python 脚本直接调用
python3 scripts/fetch_wechat_article.py \
"https://mp.weixin.qq.com/s/xxxxxxxxxxxxxxxx" \
--format markdown
输出说明
Markdown
默认输出：
- 标题
- 作者 / 发布时间（若能识别）
- 正文清洗结果
JSON
输出字段：
urltitleauthorpublished_atcontent_markdownimages（可选）source（固定为 camofox_snapshot）
提取策略
- 先检查本机
camofox-browser 是否健康
- 若未安装，则自动 clone
camofox-browser 仓库并执行 npm install
- 若服务未运行，则自动拉起本地服务
- 新建隔离 tab 打开目标公众号链接
- 读取 snapshot（必要时翻页 offset）
- 解析标题 / 作者 / 时间 / 正文
- 过滤公众号常见噪音：
- 视频控件
- 点赞 / 留言 / 关注 / 分享区
- 扫码提示
- 页脚互动区
- 小程序 / 二维码 / 继续访问等提示
- 关闭临时 tab
已知边界
- 这是“公众号正文提取器”，不是通用网页抽取器
- 个别文章若页面结构特殊，清洗规则可能需要补充
- 当前已支持把正文图片按页面 snapshot 顺序插回正文，并在发布飞书文档时渲染成原生图片块
- 当前也已修复一批常见的块级恢复问题：嵌套 listitem 的多余圆点、list item 内联 code 被拆行、blockquote 段落丢失、以及列表和后续正文之间的错误折行
- 解析 snapshot 时，遇到
- list: / - listitem: / - paragraph: / - blockquote: 这类容器节点，应该按子树聚合成同一个块；不要把子节点里的 - text:、- code:、- strong: 当成独立段落逐行吐出，否则很容易产生假圆点、额外折行和断裂的 inline code
- 序列化 Markdown 时，列表块结束后如果下一块不是列表，必须主动补空行；否则飞书/Markdown 渲染会把后续正文错误吞进上一个 list item
- 但“逐块原样恢复”仍是近似重建，不保证与手机端公众号富文本 100% 像素级一致；复杂卡片、特殊组件、极细碎图文混排仍可能需要继续补规则
- 自动安装模式仍依赖本机已有
git 与 Node.js 18+ / npm；如果这些底层依赖缺失，脚本会停止并给出明确提示
- 当前实测下，若飞书授权缺少
space:document:delete，则无法真正删除旧文档；稳妥替代方案是用 docs +update --mode overwrite 将旧文档覆盖为“已废弃，请看新版”提示
何时优先使用这个 skill
当用户提到：
- 微信公众号文章
- 公众号链接抓取
- mp.weixin.qq.com
- 提取公众号正文
- 微信文章转 Markdown / JSON
一句话总结
这套 skill 用 camofox-browser 解决“稳稳打开页面”的问题，再用公众号专用清洗解决“拿到干净正文”的问题。
