微信公众号文章获取器

获取、解析并保存微信公众号文章，支持单篇和批量下载、元数据提取、图片下载和 Markdown 转换。

快速开始

获取单篇文章：

python scripts/fetch_wechat_article.py "https://mp.weixin.qq.com/s/xxxxx"

批量获取多篇文章（空格分隔）：

python scripts/fetch_wechat_article.py "url1" "url2" "url3" --output-dir ./output

批量获取多篇文章（逗号分隔）：

python scripts/fetch_wechat_article.py "url1,url2,url3" --output-dir ./output

仅输出元数据（不保存文件）：

python scripts/fetch_wechat_article.py "https://mp.weixin.qq.com/s/xxxxx" --json

依赖安装

pip install beautifulsoup4 html2text requests

功能说明

1. 获取文章并保存到本地

python scripts/fetch_wechat_article.py "<url>" --output-dir ./output

输出目录结构：

output/<公众号名称>/<日期>_<标题>/
├── index.html    # 格式化的独立HTML文件
├── article.md    # Markdown版本
├── meta.json     # 文章元数据
└── images/       # 下载的图片

2. 仅提取元数据

python scripts/fetch_wechat_article.py "<url>" --json

返回 JSON 包含：title（标题）、author（作者）、accountnickname（公众号名称）、description（摘要）、createtime（发布时间）、contenttext（正文文本）、contentmarkdown（Markdown内容）、coverimage（封面图）、sourceurl（原文链接）。

3. 批量下载多篇文章

空格分隔多个链接：

python scripts/fetch_wechat_article.py "url1" "url2" "url3" --output-dir ./output

逗号分隔多个链接：

python scripts/fetch_wechat_article.py "url1,url2,url3" --output-dir ./output

自定义下载间隔（默认3秒，避免触发反爬）：

python scripts/fetch_wechat_article.py "url1" "url2" --interval 5

同一公众号的文章自动归类到同一目录下。

4. 不下载图片

python scripts/fetch_wechat_article.py "<url>" --no-images

4. 不下载图片

python scripts/fetch_wechat_article.py "<url>" --no-images

5. 作为 Python 库调用

from scripts.fetch_wechat_article import fetch_article, batch_fetch

# 单篇获取并保存
result = fetch_article("https://mp.weixin.qq.com/s/xxxxx", output_dir="./output")
print(result['title'], result['path'])

# 单篇仅获取元数据
meta = fetch_article("https://mp.weixin.qq.com/s/xxxxx", json_only=True)
print(meta['title'])
print(meta['content_text'][:200])

# 批量获取
urls = ["https://mp.weixin.qq.com/s/aaa", "https://mp.weixin.qq.com/s/bbb"]
stats = batch_fetch(urls, output_dir="./output", interval=3.0)
print(f"成功{stats['success']}篇, 失败{stats['fail']}篇")

主要函数参数：

• url：文章链接（支持短链接和长链接）
• outputdir：保存目录（默认：./wechatarticles）
• download_img：是否下载图片（默认：True）
• to_markdown：是否转换为 Markdown（默认：True）
• json_only：仅返回元数据字典，不保存文件

batch_fetch 额外参数：

• urls：文章链接列表
• interval：每篇文章之间的下载间隔秒数（默认：3.0）

注意事项

• 优先使用短链接（/s/xxxxx）—— 带 __biz 参数的长链接可能触发验证码。
• 批量下载时默认间隔3秒，可通过 --interval 调整，避免触发微信反爬机制。
• 自动使用微信移动端 User-Agent 绕过访问限制。
• 微信图片使用 data-src 属性（非 src），因为采用了懒加载。
• 下载图片需要设置 Referer: https://mp.weixin.qq.com/ 请求头。
• HTML 结构详情参见 [references/wechathtmlstructure.md](references/wechathtmlstructure.md)。