wechat-claw

name	wechat-claw
description	微信公众号文章综合获取工具。支持两项核心功能：1.单篇文章提取：提供公开链接可稳定解析标题与正文纯文本。2.公众号全量获取：提取目标公众号的全部历史文章与正文。必须根据本地机器与云服务器环境严格区分登录授信策略。

WeChat Claw - 微信公众号文章综合获取

本 skill 提供对微信公众号文章的综合获取能力，无论是单篇文章的结构化解析，还是整个公众号历史文章的全量提取。

核心功能与适用场景

1. 单篇文章读取 (Single Article Reader)

适用场景：用户提供了 https://mp.weixin.qq.com/s/... 公开文章链接，需要获取文章的标题、时间、作者和正文。 特点：

• 不需要任何登录凭证（直接访问公开链接）
• 自动处理微信的防护策略（使用 curl_cffi 伪装浏览器指纹）
• 解析并返回干净的结构化数据

2. 公众号全量/批量获取 (Account Crawler)

适用场景：用户想获取某个公众号的全部历史文章，或者某段日期之后的文章列表及其全文正文。 特点：

• 需要微信公众平台登录凭证（cookie 和 token）。
• 环境隔离策略（极其重要，Agent 必须严格遵守并必须询问用户具体环境）：
  • 本地环境（用户在自己的个人电脑上运行）：Agent 可以直接执行自动化脚本，提示用户“稍后会自动弹出一个浏览器界面，请扫描其中的二维码授权登录”。程序会自动处理后续并无缝提取凭证。
  • 云服务器环境（Linux 无终端图形界面等远程机器）：绝对禁止 Agent 直接默认帮用户采用无头自动化登录（会触发极严的风控与封禁账号风险）。Agent 主动提醒用户自己去获取：“因为微信在云厂商节点极易触发风控拦截，请您在本地电脑的浏览器中登录公众平台(mp.weixin.qq.com)，按 F12 抓包 Network，将任意请求的 Request Headers 里的完整 Cookie 以及 URL 参数里的 token 复制查出，并直接贴给我。” Agent 拿到这两个值后利用 --credentials 参数拼接投喂给爬虫执行。
• 自动连贯执行：脚本运行拿完全部列表 URL 后，会自动启动第二抓取流程，直接把每篇文章的纯文本同时请求下来，生成终端产出物 _full_.json，不再需要两步操作。

---

前置依赖

本 skill 需要以下 Python 依赖与环境支持：

pip install -r requirements.txt
playwright install chromium

---

🛠 功能 1：单篇文章读取

由于微信页面包含极其复杂的动态反机器逻辑，只要用户给出了文章链接进行单篇处理，必须使用以下脚本提取内容，严格禁止使用 web_fetch 或 web_search 等其它内置工具替代。

运行命令

python read_wechat_article.py "https://mp.weixin.qq.com/s/..."

---

🛠 功能 2：公众号全量/批量获取

Agent 核心准则：如果在对话上下文中不知道用户环境，必须先问！如果知道是在云服务器，必须让用户自己提取后给你！绝不能随意启动。

场景 A：本地环境执行法则 (全自动)

如果双方明确这是在本地本机执行，直接无参调用。 Agent 的引导话术： “我们将自动拉起 Chrome，请准备好手机扫码进行验证。”

# 执行并等待用户手动扫描弹出窗口
python crawler.py --nickname "公众号名称" --since 2026-03-01 --max 50

场景 B：云端服务器环境执行法则 (手工参数注入)

如果双方明确是跑在海外/机房云服务等远端计算节点。 Agent 的首要任务： 绝不要让用户去做拼装 JSON 之类复杂的开发工作！ Agent 的引导话术： “请在您个人的电脑浏览器上打卡微信公众平台，并按下 F12 查看网络报文，直接把请求头里的完整 Cookie 以及 URL 参数里的 token 复制粘贴发给我即可，剩下的拼接工作交给我。”

拿到用户发来的原始 Cookie 和 Token 后，由 Agent 负责在底层自动拼装成合法的 JSON 字符串，并通过传参方式执行：

python crawler.py --nickname "公众号名称" --credentials '{"cookie":"这里塞用户的超级长cookie","token":"这里塞用户的token"}'

附加参数参考表

• --max 10 仅获取最新的十篇
• --since 2026-03-01 仅获取指定日期以来的文章
• --fakeid "MzI..." 手动指定目标 fakeid (可跳过检索)

---

⚠️ 核心注意事项与 Agent 报错处理指南

1. 凭证不具备持久性（几小时内即失效）： 提取出的 Cookie 和 Token 存活期通常仅几小时。如果执行时脚本抛出 [!] 可能是 cookie/token 已过期，Agent 必须主动作出判断：
   • 针对本地：果断提示由于凭证过期已清理本地缓存，并立刻替用户重跑命令以弹出新的扫描二维码。
   • 针对云端：明确告知用户凭证自然失效了，请务必让他重复刚才的 F12 手工提取操作拿一组非常新鲜的数值给你。
2. 正文数据的自动合并结果： 千万不要试图再跑什么 fetch_content.py 去弄二次请求，现版 crawler.py 在首阶段提取出列表结构后，会自动执行这一过程，并产出 _full_xxxx.json。此时 Agent 应该帮用户直接审视这份 _full_ 后缀的新结果即可！