wechat-exporter

name	wechat-exporter
description	完整爬取/导出微信公众号文章的工作流助手。当用户提到"下载微信公众号文章"、"爬取微信公众号文章"、"批量导出微信公众号"、"备份微信公众号内容"、"抓取微信公众号文章"、"保存微信公众号文章"时立即使用本 skill。无论用户说的是"爬"、"抓"、"导出"、"备份"还是"下载"，只要涉及微信公众号文章批量获取，都应触发本 skill。

微信公众号文章导出工作流

两种场景，选对路径：

场景	方案
用户给了具体文章 URL（mp.weixin.qq.com/s/...）	→ 路径 A：curl + Python 直接抓取
批量导出整个公众号 / 多篇文章	→ 路径 B：wechat-article-exporter 在线工具

---

路径 A：单篇文章 URL → 直接下载转换

环境说明（已验证有效）

• 抓取：用 curl（系统自带），加浏览器 User-Agent，能正常拿到微信文章 HTML
• 解析：用 python（注意：Windows 上必须用 python，不能用 python3，后者是 Microsoft Store 占位符）
• 文件路径：Windows 下 Python 无法访问 /tmp/，中间文件和输出文件都用实际 Windows 路径（如 E:/test_file/）
• 终端编码：Windows 终端是 GBK，print 中文会乱码——直接写文件，用 sys.stdout.buffer.write(...encode('utf-8')) 输出状态

不可用的方法

• WebFetch 工具：mp.weixin.qq.com 被网络策略拦截，无法使用
• var msg_title 正则：当前微信 HTML 里已无此变量，提取不到标题

完整脚本（可直接复用）

第一步：下载 HTML

curl -sL --max-time 20 \
  -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/124.0.0.0 Safari/537.36" \
  -H "Accept-Language: en-US,zh;q=0.9" \
  "https://mp.weixin.qq.com/s/ARTICLE_ID" > "OUTPUT_DIR/wechat_article.html"

第二步：解析并转 Markdown

# 用 python（非 python3）执行
import re, sys

with open('OUTPUT_DIR/wechat_article.html', encoding='utf-8', errors='replace') as f:
    html = f.read()

# 标题：从 og:title meta 提取
title = 'wechat-article'
for pat in [r'property="og:title"\s+content="(.*?)"', r'content="(.*?)"\s+property="og:title"']:
    m = re.search(pat, html)
    if m:
        title = m.group(1).strip()
        break

# 正文：id="js_content" 区域
start = html.find('id="js_content"')
end = -1
for marker in ['id="js_content_blocked"', '<div class="rich_media_tool"', 'class="rich_media_extra_info"']:
    end = html.find(marker, start)
    if end != -1:
        break
content_html = html[start:end] if end != -1 else html[start:start+200000]

def html_to_md(s):
    s = re.sub(r'<!--.*?-->', '', s, flags=re.S)
    s = re.sub(r'<style[^>]*>.*?</style>', '', s, flags=re.S)
    s = re.sub(r'<script[^>]*>.*?</script>', '', s, flags=re.S)
    for n in range(6, 0, -1):
        s = re.sub(,  m, n=n:  + *n +  + re.sub(, , m.group()).strip() + , s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()) + , s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()) + , s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()) + , s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()).strip() + , s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()) + , s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()) +  + m.group() + , s, flags=re.S)
     ():
        mm = re.search(, m.group(), flags=re.S)
          + mm.group().strip() +   mm  
    s = re.sub(, img_to_md, s, flags=re.S)
    s = re.sub(,  m:  + re.sub(, , m.group()).strip(), s, flags=re.S)
    s = re.sub(, , s)
    s = re.sub(, , s)
    s = re.sub(, , s)
    s = re.sub(,  m:  + re.sub(, , m.group()).strip() + , s, flags=re.S)
    s = re.sub(, , s)
    s = re.sub(, , s)
    s = re.sub(,  m:  + re.sub(, , m.group()).strip().replace(, ) + , s, flags=re.S)
    s = re.sub(, , s)
    s = s.replace(, ).replace(, ).replace(, ).replace(, ).replace(, ).replace(, )
    s = s.replace(, )
    s = re.sub(, , s)
     s.strip()

md = html_to_md(content_html)


md = re.sub(, , md)
md = re.sub(, , md)
md = re.sub(, , md)



 ():
    t = line.strip()
    t = re.sub(, , t)
    t = re.sub(, , t)
     (
        re.(, t, flags=re.I)
         re.(, t, flags=re.I)
         re.(, t, flags=re.I)
    )

edge_lines = md.splitlines()
 edge_lines  ( edge_lines[].strip()  is_edge_meta_line(edge_lines[])):
    edge_lines.pop()
 edge_lines  ( edge_lines[-].strip()  is_edge_meta_line(edge_lines[-])):
    edge_lines.pop()
md = .join(edge_lines)


 ():
    t = re.sub(, , line)
     re.sub(, , t.strip())

 ():
    t = line.strip()
     (t  re.(, t)   re.search(, t))

 ():
    p = plain_line(line)
     (
        re.(, p)
         re.(, p)
         re.search(, p)
    )

 ():
    t = line.strip()
    p = plain_line(t)
     (
        re.(, t)
         re.search(, p)
         re.search(, p)
         re.search(, p)
         re.search(, p)
         re.search(, p)
         re.search(, p)
         (  p)
         (  p)
         (  p)
    )

lines = md.splitlines()
footer_start = -
 i, line  (lines):
     is_footer_promo_line(line):
        footer_start = i
        
        
        j = i - 
        blanks = 
         j >= :
            prev = lines[j]
              prev.strip():
                blanks += 
                 blanks <= :
                    j -= 
                    
                
             is_decorative_line(prev)  is_short_footer_lead(prev):
                footer_start = j
                blanks = 
                j -= 
                
            
        
 footer_start != -:
    lines = lines[:footer_start]

drop_line_pats = [
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
    ,
]
lines = [
    line  line  lines
      is_decorative_line(line)   (re.(p, plain_line(line))  p  drop_line_pats)
]

 lines  ( lines[-].strip()  is_decorative_line(lines[-])  re.(, lines[-].strip())):
    lines.pop()
 lines  re.(, lines[-].strip()):
    lines.pop()
     lines  ( lines[-].strip()  is_decorative_line(lines[-])  re.(, lines[-].strip())):
        lines.pop()

md = .join(lines)
md = re.sub(, , md).strip()

output = 

 (, , encoding=)  f:
    f.write(output)

sys.stdout.buffer.write(.encode())

关键注意事项：

• 将 OUTPUT_DIR 替换为实际 Windows 路径（如 E:/test_file）
• 将 ARTICLE_ID 替换为实际文章 ID
• 微信图片 URL 有时效性（数天），需要长期保存时单独下载图片
• 如果需要本地化图片，只从清理后的 Markdown 提取图片 URL；不要从原始 DOM 图片列表直接下载，避免保存已剔除的文末关注二维码、互动引导图等尾部推广内容
• 输出 Markdown 默认只保留标题和正文，不主动添加来源、原文链接、作者、发布时间等元信息；这些字段在不同文章中写法不固定，若出现在正文头尾，用通用边缘元信息规则清理

---

路径 B：批量导出整个公众号

使用开源工具 wechat-article-exporter（GitHub）。

使用在线版（零部署，推荐）

1. 打开 https://down.mptext.top
2. 用微信公众平台账号（非个人微信号）扫码登录
3. 搜索目标公众号，加载全部文章列表
4. 按需筛选（标题/作者/时间/原创/合集），或全选
5. 选择导出格式后批量下载

格式	适用场景
HTML	100% 还原排版样式，带图片，首选
Markdown	Obsidian、Notion 等笔记软件
DOCX	Word 编辑
Excel	元数据统计（标题/日期/阅读量）
TXT / JSON	纯文本 / 结构化数据

Docker 私有部署

services:
  wechat-article-exporter:
    image: ghcr.io/wechat-article/wechat-article-exporter:latest
    ports:
      - "3000:3000"
    volumes:
      - ./data:/app/.data
    restart: always

docker compose up -d
# 访问 http://localhost:3000

获取评论和阅读量（进阶）

需抓包获取 Credentials（__biz / key / uin / pass_ticket）：

1. 安装 mitmproxy，配置手机代理
2. 手机微信打开目标公众号任意文章
3. 从 mp.weixin.qq.com 请求中提取上述四个参数
4. 在工具"设置 → Credentials"中填入

详见：https://docs.mptext.top/advanced/wxdown-service.html

---

常见问题

问题	原因	解决方法
扫码登录失败	用的是个人微信号	必须用公众平台账号（mp.weixin.qq.com）扫码
搜索不到公众号	公众号关闭了被搜索	无法通过此工具获取
加载文章很慢	文章多 + 接口频率限制	正常现象，工具自动续传
HTML 图片不显示	微信图片链接过期	尽快下载，或在线打开 HTML
session expired	登录会话超时	重新扫码