convez.ai
SkillIntegração & APIsIntermediário
AngChow

Extrator de Artigos WeChat

AngChow/wechat-article-extractor-skill

Extrai e converte artigos WeChat em HTML e Markdown

Ver no GitHub
InicialPluginScore · de 0 a 100

Skill para Claude Code que extrai metadados e conteúdo de artigos do WeChat (公众号), salvando automaticamente em HTML e Markdown. Suporta múltiplos tipos de conteúdo como imagens, vídeos, áudio e artigos repostados, com tratamento de exceções como links expirados e conteúdo removido.

Instalação

$npx convez-ai AngChow/wechat-article-extractor-skill

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
4
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
2

Casos de uso

  • Arquivar artigos de contas públicas WeChat com metadados estruturados
  • Converter conteúdo WeChat para formatos acessíveis offline (HTML/Markdown)
  • Automatizar coleta de dados de públicos e artigos para análise

Veredito

Ferramenta especializadaem integração com ecossistema WeChat, executando bem a tarefa de extração e conversão. Limite de uso restrito a usuários com acesso a URLs do WeChat e necessidade específica desse formato de conteúdo.

README

A tradução para o português deste README ainda está na fila.

WeChat Article Extractor

Node.js License

一个 Claude Code / CodeX Skill,用于提取微信公众号文章的元数据和内容,并自动保存为 HTML 和 Markdown 文件。支持多种文章类型,包括图文、视频、图片集、语音和转载文章。

功能特性

  • 解析微信公众号文章 URL (mp.weixin.qq.com)
  • 提取文章元数据:标题、作者、摘要、发布时间
  • 获取公众号信息:名称、头像、微信号、功能介绍
  • 提取文章内容(HTML 格式)
  • 获取封面图片 URL
  • 提取成功后自动在工作区创建 wechat_articles/ 文件夹,保存文章为 HTML 和 Markdown
  • HTML 文件已修复图片链接(data-src → src),浏览器直接打开即可查看
  • Markdown 文件含 YAML frontmatter(标题、作者、日期、来源、原文链接),方便归档和检索
  • 支持多种文章类型:图文、视频、图片集、语音、纯文字、转载
  • 处理各种异常情况:内容删除、链接过期、访问限制、账号迁移等

安装

方式一:在 Claude Code / CodeX 中直接安装(推荐)

打开 Claude Code 或 CodeX,直接说:

帮我安装这个 skill https://github.com/AngChow/wechat-article-extractor-skill.git

Claude 会自动完成克隆、安装依赖和注册 Skill。

方式二:手动安装

git clone https://github.com/AngChow/wechat-article-extractor-skill.git
cd wechat-article-extractor-skill
npm install

然后在 Claude Code / CodeX 中将该目录作为 Skill 加载(分别放到 ~/.claude/skills/ 或 ~/.codex/skills/)。

使用方法

基本用法 - 从 URL 提取

const { extract } = require('./scripts/extract.js');

const result = await extract('https://mp.weixin.qq.com/s?__biz=...&mid=...&idx=...&sn=...');

if (result.done) {
  console.log('文章标题:', result.data.msg_title);
  console.log('公众号:', result.data.account_name);
  console.log('发布时间:', result.data.msg_publish_time_str);
} else {
  console.error('提取失败:', result.msg);
}

从 HTML 内容提取

如果你已经获取了页面 HTML,可以直接传入:

const { extract } = require('./scripts/extract.js');

const html = await fetch(url).then(r => r.text());
const result = await extract(html, { url: sourceUrl });

高级选项

const result = await extract(url, {
  shouldReturnContent: true,      // 返回 HTML 内容(默认:true)
  shouldReturnRawMeta: false,     // 返回原始元数据(默认:false)
  shouldFollowTransferLink: true, // 自动跟随迁移后的公众号链接(默认:true)
  shouldExtractMpLinks: false,    // 提取内嵌的微信公众号链接(默认:false)
  shouldExtractTags: false,       // 提取文章标签(默认:false)
  shouldExtractRepostMeta: false  // 提取转载来源信息(默认:false)
});

后处理:保存为 HTML 和 Markdown

提取成功后,可使用 convert.js 模块将文章保存为文件:

const { convertToFixedHtml, convertToMarkdown } = require('./convert.js');
const fs = require('fs');
const path = require('path');

const outputDir = path.join(process.env.HOME, 'workspace_claude', 'wechat_articles');
fs.mkdirSync(outputDir, { recursive: true });

// 生成安全文件名(中文弯引号等特殊字符会被替换)
const dateStr = result.data.msg_publish_time_str
  ? result.data.msg_publish_time_str.replace(/[\/:]/g, '-').split(' ')[0]
  : 'unknown-date';
const safeName = (result.data.msg_title || 'untitled')
  .replace(/[\/\\:*?"<>|""'']/g, '_')
  .substring(0, 80);
const baseName = `${dateStr}_${safeName}`;

// 保存 HTML(data-src 已替换为 src,浏览器可直接打开查看图片)
fs.writeFileSync(
  path.join(outputDir, baseName + '.html'),
  convertToFixedHtml(result.data),
  'utf8'
);

// 保存 Markdown(含 YAML frontmatter)
fs.writeFileSync(
  path.join(outputDir, baseName + '.md'),
  convertToMarkdown(result.data),
  'utf8'
);

convertToFixedHtml(data)

将提取结果转换为完整的 HTML 文件。主要处理:

  • 将微信文章中的 data-src 属性替换为 src,使图片在浏览器中正常显示
  • 添加基本的 HTML 文档结构和响应式图片样式

convertToMarkdown(data)

将提取结果转换为 Markdown 文本。主要特性:

  • 自动生成 YAML frontmatter(title, author, date, source, original_url)
  • 递归解析微信文章的嵌套 <section> 结构
  • 支持 h2/h3/h4 标题、加粗、斜体、链接、列表、引用、代码块
  • 提取图片的 data-src 或 src 属性
  • 清理多余空行

响应格式

成功响应

{
  done: true,
  code: 0,
  data: {
    // 公众号信息
    account_name: "公众号名称",
    account_alias: "微信号",
    account_avatar: "头像URL",
    account_description: "功能介绍",
    account_id: "原始ID",
    account_biz: "biz参数",
    account_biz_number: 1234567890,
    account_qr_code: "二维码URL",

    // 文章信息
    msg_title: "文章标题",
    msg_desc: "文章摘要",
    msg_content: "HTML内容",
    msg_cover: "封面图URL",
    msg_author: "作者",
    msg_type: "post", // post|video|image|voice|text|repost
    msg_has_copyright: true,
    msg_publish_time: Date,
    msg_publish_time_str: "2024/01/15 10:30:00",

    // 链接参数
    msg_link: "文章链接",
    msg_source_url: "阅读原文链接",
    msg_sn: "sn参数",
    msg_mid: 1234567890,
    msg_idx: 1
  }
}

错误响应

{
  done: false,
  code: 1001,
  msg: "无法获取文章信息"
}

错误代码表

代码错误信息说明
1000文章获取失败一般性失败
1001无法获取文章信息缺少标题或发布时间
1002请求失败HTTP 请求失败
1003响应为空空响应
1004访问过于频繁被限流
1005脚本解析失败页面脚本解析错误
1006公众号已迁移账号已迁移,包含新链接
2001请提供文章内容或链接缺少输入参数
2002链接已过期链接已失效
2003内容涉嫌侵权内容因侵权被移除
2004无法获取迁移后的链接迁移链接获取失败
2005内容已被发布者删除作者已删除内容
2006内容因违规无法查看内容被平台屏蔽
2007内容发送失败发送失败
2008系统出错系统错误
2009不支持的链接URL 格式不支持
2010内容获取失败内容获取失败
2011涉嫌过度营销营销/垃圾内容
2012账号已被屏蔽账号被封禁
2013账号已自主注销账号已注销
2014内容被投诉内容被举报
2015账号处于迁移流程中账号正在迁移
2016冒名侵权冒充侵权

支持的文章类型

类型说明msg_type
图文普通图文文章post
视频视频内容video
图片集多张图片展示image
语音音频内容voice
纯文字无标题文字内容text
转载转载他人文章repost

项目结构

wechat-article-extractor-skill/
├── scripts/
│   ├── extract.js    # 核心提取逻辑
│   └── errors.js     # 错误代码定义
├── convert.js        # HTML 修复 + Markdown 转换模块
├── SKILL.md          # Skill 定义文件(Claude Code / CodeX Skill 格式,含触发条件和后处理流程)
├── package.json      # 项目配置
└── README.md         # 本文件

依赖项

  • cheerio - 服务端 HTML 解析(extract.js + convert.js)
  • dayjs - 日期格式化
  • request-promise - HTTP 请求
  • qs - 查询字符串解析
  • lodash.unescape - HTML 实体解码

注意事项

  1. 频率限制: 频繁请求可能会导致 IP 被暂时封禁,建议添加适当的延迟
  2. 页面结构: 微信页面结构可能会变化,如遇问题请检查是否为最新版本
  3. Cookie: 某些文章可能需要登录才能访问完整内容
  4. 反爬措施: 请遵守微信的使用条款,合理使用本工具
  5. 文件名安全化: 标题中的特殊字符(包括 ASCII 和中文引号 ""'')会被替换为 _,避免同标题文章因引号差异生成不同文件名

许可证

MIT

贡献

欢迎提交 Issue 和 Pull Request!

更新日志

v1.1.0

  • 新增 convert.js 模块,将一次性脚本重构为可复用函数
    • convertToFixedHtml(): 生成修复后的 HTML(data-src → src)
    • convertToMarkdown(): 将微信文章 HTML 转换为 Markdown(含 YAML frontmatter)
  • SKILL.md 新增后处理流程定义:提取成功后自动保存 HTML + Markdown
  • 修复文件名安全化正则,补充中文弯引号 ""'',避免同标题生成不同文件名
  • convert.js Markdown 转换支持 h4、<em>/<i> 斜体、<a> 链接
  • frontmatter 中的双引号自动转义,字段增加空值兜底

v1.0.0

  • 初始版本发布
  • 支持基本的文章信息提取
  • 支持多种文章类型
  • 完善的错误处理机制
Ver o original no GitHub

Bom para

Relacionados