gray0128 微信公众号文章提取器（chrome-devtools 版）
概述
使用 chrome-devtools MCP 工具从微信公众号文章页面提取完整内容，包括标题、正文文本、图片。支持快速提取、内容总结和导出 Markdown 文档。
快速开始
方式一：导出为 Markdown（推荐，保存图片）
使用辅助脚本自动提取文章并下载图片：
# 1. 先用 chrome-devtools 提取 HTML 内容
evaluate_script function="() => {
const content = document.getElementById('js_content');
return content ? content.innerHTML : '';
}"
# 2. 将 HTML 保存为临时文件，然后运行脚本
echo '<HTML 内容>' | python3 scripts/extract-wechat-chrome-markdown.py ./output-dir "文章标题" "公众号名称" "发布时间"
输出目录结构：
output-dir/
├── 文章标题.md # Markdown 文档
└── images/ # 图片目录
├── image_001.jpg
├── image_002.png
└── ...
方式二：完整提取流程（手动）
1. 打开页面
new_page url="https://mp.weixin.qq.com/s/..."
2. 强制加载图片（等待 3 秒后执行）
evaluate_script function="(async () => {
const images = document.querySelectorAll('img');
let count = 0;
images.forEach(img => {
let src = img.dataset.src || img.dataset.lazy || img.getAttribute('data-src');
if (src && src !== img.src) {
img.src = src;
count++;
}
});
return 'Loaded ' + count + ' images';
})()"
3. 等待图片加载
sleep 3
4. 提取标题和内容
evaluate_script function="() => {
const content = document.getElementById('js_content');
return {
title: document.title,
account: document.querySelector('.rich_media_meta_nickname a')?.innerText || '',
time: document.querySelector('.rich_media_meta_text')?.innerText || '',
content: content ? content.innerText : document.body.innerText
};
}"
方式三：快速提取（仅文字）
1. 打开页面
new_page url="https://mp.weixin.qq.com/s/..."
2. 等待加载
sleep 2
3. 提取内容
evaluate_script function="() => {
const content = document.getElementById('js_content');
return content ? content.innerText : document.body.innerText;
}"
核心工作流
步骤 1: 打开页面
使用 new_page 工具打开微信文章链接：
new_page url="https://mp.weixin.qq.com/s/ARTICLE_ID"
步骤 2: 等待加载
微信页面需要时间加载，建议等待 2-3 秒：
sleep 2
步骤 3: 强制加载图片（可选）
微信文章使用懒加载，需要执行 JavaScript 触发图片加载：
evaluate_script function="(async () => {
const images = document.querySelectorAll('img');
let count = 0;
images.forEach(img => {
let src = img.dataset.src;
if (!src) src = img.dataset.lazy;
if (!src) src = img.getAttribute('data-src');
if (!src) src = img.getAttribute('data-lazy');
if (src && src !== img.src) {
img.src = src;
count++;
}
});
return 'Loaded ' + count + ' images, total ' + images.length + ' found';
})()"
步骤 4: 提取内容
提取纯文本
evaluate_script function="() => {
const content = document.getElementById('js_content');
return content ? content.innerText : document.body.innerText;
}"
提取 HTML（用于导出 Markdown）
evaluate_script function="() => {
const content = document.getElementById('js_content');
return content ? content.innerHTML : '';
}"
提取完整信息
evaluate_script function="() => {
const content = document.getElementById('js_content');
return {
title: document.title,
account: document.querySelector('.rich_media_meta_nickname a')?.innerText || '',
time: document.querySelector('.rich_media_meta_text')?.innerText || '',
content: content ? content.innerHTML : document.body.innerText,
text: content ? content.innerText : document.body.innerText
};
}"
步骤 5: 获取页面快照（可选）
查看页面结构和元素：
take_snapshot
步骤 6: 截取截图（可选）
保存页面截图：
take_screenshot filePath="./screenshot.png" fullPage=true
清理微信链接
微信文章链接常带有追踪参数，建议清理：
原始链接：
https://mp.weixin.qq.com/s/xxx?clicktime=123&enterid=456&scene=90
清理后：
https://mp.weixin.qq.com/s/xxx
使用 Python 清理：
from urllib.parse import urlparse, parse_qs, urlencode
def clean_wechat_url(url):
parsed = urlparse(url)
if parsed.path.startswith('/s/'):
article_id = parsed.path.split('/')[2]
return f"{parsed.scheme}://{parsed.netloc}/s/{article_id}"
return url
导出 Markdown 流程
完整流程示例
用户请求："把这篇微信文章保存为 Markdown，包括图片"
步骤 1: 打开页面并加载图片
new_page url="https://mp.weixin.qq.com/s/..."
sleep 3
evaluate_script function="...强制加载图片的 JS..."
sleep 3
步骤 2: 提取 HTML 内容
evaluate_script function="() => {
const content = document.getElementById('js_content');
return content ? content.innerHTML : '';
}"
步骤 3: 提取文章信息
evaluate_script function="() => {
return {
title: document.title,
account: document.querySelector('.rich_media_meta_nickname a')?.innerText || ''
};
}"
步骤 4: 使用脚本处理
# 将 HTML 保存为临时文件
echo '<HTML 内容>' > /tmp/article.html
# 运行脚本
python3 scripts/extract-wechat-chrome-markdown.py ./output "文章标题" "公众号名称"
脚本说明
scripts/extract-wechat-chrome-markdown.py 脚本功能：
- 从 stdin 读取 HTML 内容
- 解析并提取所有图片 URL
- 使用 curl 下载图片到
images/目录 - 将 HTML 转换为 Markdown（保留段落、标题、加粗等格式）
- 保存 Markdown 文件，图片链接替换为本地路径
使用方式：
echo '<HTML 内容>' | python3 scripts/extract-wechat-chrome-markdown.py <输出目录> <文章标题> <公众号名称> <发布时间>
常见问题
图片没有加载
微信文章使用懒加载技术，解决方法：
- JavaScript 强制加载（推荐）- 执行上述步骤 3 的代码
- 滚动页面 - 使用
evaluate_script模拟滚动
内容提取不完整
确保：
- 页面完全加载后再提取
- 使用
#js_content选择器 - 如果
js_content不存在，回退到document.body.innerText
链接无法打开
检查链接格式：
- 确保是
mp.weixin.qq.com域名 - 清理多余的追踪参数
- 确认链接未过期
Markdown 图片不显示
检查：
- 图片是否正确下载到
images/目录 - Markdown 中的图片路径是否正确（应该是
images/image_001.jpg格式） - 图片 URL 是否有效
输出格式
Markdown 格式示例
# 文章标题
**来源**：公众号名称
**发布时间**：2026-02-26
---
## 正文内容
（提取的正文内容，保留原始排版）
（更多段落...）
---
*使用 wechat-chrome-extractor 提取*
工具参考
主要工具
| 工具 | 用途 | 示例 |
|---|---|---|
new_page |
打开新页面 | new_page url="..." |
evaluate_script |
执行 JavaScript | evaluate_script function="() => {}" |
take_snapshot |
获取页面快照 | take_snapshot |
take_screenshot |
截取屏幕 | take_screenshot filePath="..." |
select_page |
切换页面 | select_page pageId=1 |
辅助工具
| 工具 | 用途 |
|---|---|
list_pages |
列出所有页面 |
close_page |
关闭页面 |
navigate_page |
导航页面 |
hover |
悬停元素 |
click |
点击元素 |
使用示例
示例 1：快速提取并总结
用户：总结一下这篇文章 https://mp.weixin.qq.com/s/xxx
流程：
new_page打开链接sleep 2等待加载evaluate_script提取内容- 输出总结
示例 2：导出 Markdown 文档
用户：把这篇微信文章保存为 Markdown，包括图片
流程：
new_page打开链接evaluate_script强制加载图片evaluate_script提取 HTML 内容evaluate_script获取文章标题和公众号名称- 使用
extract-wechat-chrome-markdown.py脚本处理 - 输出 Markdown 文件和图片目录
示例 3：提取多篇文章
用户：比较这两篇文章...
流程：
new_page打开第一篇文章- 记录 pageId
new_page打开第二篇- 分别提取内容
- 对比分析