wechat-article-reader

name	wechat-article-reader
description	读取微信公众号文章内容。当用户提供微信公众号文章链接（mp.weixin.qq.com/s/...）时使用此技能。通过代理 + 特定 UA 绕过微信反爬机制。

When NOT to Use

• ❌ 非微信文章链接（如知乎、掘金、GitHub 等用 web_fetch）
• ❌ 用户只想知道文章大意（用 summarize skill 更快）
• ❌ 代理服务 xray 未运行时（会一直超时，先检查代理状态）

微信公众号文章读取

问题背景

微信公众号文章（mp.weixin.qq.com/s/...）对服务器 IP 有严格的反爬机制：

• 云服务器 IP（阿里云、AWS 等数据中心 IP）直接被验证码拦截
• 即使使用代理，如果代理出口也是数据中心 IP，同样会被拦
• 微信检测浏览器指纹、UA、cookies 等多重因素

成功方案

通过 xray 代理 + 桌面 Chrome UA 可以成功读取。

前置条件

1. xray 代理服务运行中，监听 SOCKS5 端口 7890

   # 检查代理是否运行
   ps aux | grep xray | grep -v grep
   # 测试代理连通性
   curl -s --max-time 5 --proxy socks5h://127.0.0.1:7890 https://httpbin.org/ip
   

2. 代理出口 IP 不能是纯数据中心 IP（需要 BGP/家宽混合节点）

读取命令

curl -s --max-time 15 --proxy socks5h://127.0.0.1:7890 \
  -A "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36" \
  -H "Accept-Language: zh-CN,zh;q=0.9" \
  "https://mp.weixin.qq.com/s/<文章ID>" 2>&1

内容解析

import re, html

content = raw_html

# 提取标题
title_match = re.search(r'var msg_title = "(.*?)";', content)
title = html.unescape(title_match.group(1)) if title_match else "未知标题"

# 提取正文
body_match = re.search(r'id="js_content"[^>]*>(.*?)</div>', content, re.DOTALL)
if body_match:
    text = re.sub(r'<[^>]+>', '\n', body_match.group(1))
    text = html.unescape(text).strip()
    text = re.sub(r'\n{3,}', '\n\n', text)

检测是否被拦截

if 'js_content' in content:
    # ✅ 成功获取
    pass
elif '验证' in content or '环境异常' in content:
    # ❌ 被验证码拦截，检查代理和 UA
    pass

踩坑全过程记录（2026-03-26 实战）

尝试过的方案（全部失败）

#	方案	结果	失败原因
1	直接 curl + 移动端 UA	❌ 验证码	服务器 IP 是阿里云数据中心
2	web_fetch（内置工具）	❌ 验证码	同上
3	summarize CLI（@steipete/summarize）	❌ 验证码	底层也是 requests，过不了
4	Playwright headless 浏览器	❌ 验证码	无头浏览器指纹被检测 + 数据中心 IP
5	免费代理池（proxyscrape/github列表）	❌ 连不上或仍被拦	免费代理不可靠，且出口也是数据中心 IP
6	Playwright + 代理	❌ 验证码	代理通了但数据中心 IP 仍被识别
7	pyUniBParcer 服务端部署	❌ 环境限制	botasaurus 需要 Xvfb 图形界面，服务器无 root 权限
8	Google Cache / Archive.org	❌ 无缓存	微信文章很少被收录
9	curl + 代理 + 移动端 MicroMessenger UA	❌ 验证码	移动端 UA 反而更容易触发检测！

突破点

第 10 次尝试：curl + 代理 + 桌面 Chrome UA → ✅ 成功

关键变量：

• 之前用的是：MicroMessenger/8.0.44（微信内置浏览器 UA）
• 改成：桌面 Chrome/120.0.0.0 UA
• 其他条件不变（同一个代理节点、同一个 URL）

为什么桌面 UA 反而有效？

推测原因：

1. 微信对 MicroMessenger UA 的请求做更严格的身份验证（需要微信 cookie/token）
2. 桌面 Chrome UA 走的是网页版微信的验证逻辑，门槛更低
3. 代理出口虽然是数据中心 IP，但桌面 UA + 无微信特征 = 被当作普通网页访问

经验总结

1. 不要用 MicroMessenger UA — 微信会检查微信客户端特有的 token/cookie，缺了就拦截
2. 桌面 Chrome UA 是正确选择 — 走网页版逻辑，不检查微信登录态
3. 代理是必要条件 — 纯数据中心 IP 不行，但不需要住宅 IP，BGP 混合节点够用
4. 代理 + 桌面 UA 是最小成功组合 — 不需要浏览器、不需要 cookie、不需要复杂的反检测

失败排查

症状	原因	解决方案
环境异常，完成验证	代理出口是数据中心 IP	换用家宽/BGP 节点
Connection refused	xray 未运行	重启 xray
Connection timed out	代理节点不通	换节点或检查订阅是否过期
内容为空	UA 被识别	用桌面 Chrome UA，不要用移动端

关键经验

1. 桌面 Chrome UA 比移动端 UA 更容易过微信检测（反直觉但实测有效）
2. 不要用移动端 MicroMessenger UA，反而更容易触发验证码
3. xray 订阅配置：配置文件在 /usr/local/etc/xray/config.json，需要 sudo 权限写入
4. 订阅链接格式：base64 编码的 VLESS/Hysteria2 节点列表
5. 调试方法论：控制变量法——每次只改一个条件（UA/代理/节点），快速排除无效方案

相关文件

• xray 配置：/usr/local/etc/xray/config.json
• 订阅链接：用户私有（见 MEMORY.md）
• 代理端口：SOCKS5 127.0.0.1:7890 / HTTP 127.0.0.1:7891