Wechat Article Reader

Skill: Wechat Article Reader (微信公众号文章阅读与笔记记录)

🎯 目标 (Objective)

当用户提供一个微信公众号文章链接时，能够自动绕过防爬策略，提取文章的标题、正文及由于懒加载被隐藏的图片（data-src），并自动对其进行总结、格式化，最后无缝追加到用户的公众号学习笔记中。

📥 输入 (Input)

• 一个微信公众号文章的 URL（通常以 https://mp.weixin.qq.com/s/... 开头）。
• 目标写入文件：e:\Materials\AntiG\日常学习笔记\公众号学习笔记.md

⚙️ 执行流程 (Workflow)

步骤 1：提取网页内容 (Python 脚本爬取)

由于直接使用 read_url_content 会遇到微信的验证拦截，且图片使用了懒加载（存储在 data-src 中），必须通过执行 Python 脚本 来提取数据。

• 编写一个使用 urllib.request 和 BeautifulSoup 的 Python 脚本。
• 伪造 User-Agent，解析网页内容。
• 提取 h1.rich_media_title 作为标题。
• 解析 div#js_content 下的所有内容，并将其转换为结构化的 Markdown 格式（保留各级标题、加粗、列表等格式）。
  • 对于正文，可借助 HTML 到 Markdown 的转换库（如 markdownify）或直接利用 LLM 的总结与排版能力进行格式还原。允许适度调整排版以提升可读性，但必须保留原文的所有信息量。
  • 对于图片，提取其 data-src 或 src 属性，并保留其在正文中的原有次序转换为 <img src="url" width="50%" />，以避免图片过大。
• 将提取与格式化后的内容整合生成最终 Markdown 笔记文本。

步骤 2：生成 Markdown 笔记

基于提取的 JSON 数据，用 Python 脚本或直接在 Agent 内生成符合以下模板的 Markdown 字符串，注意更新当天日期：

## <mark>📅 YYYY-MM-DD | [文章标题]</mark>

**🔗 文章链接**：[[URL]]  
**🏷️ 标签**：#Agent #公众号文章 #提取的相关标签  

### 📌 核心摘要 / 总结
> 简要总结这篇文章的核心观点、你学到了什么，或者对你的实际项目有什么启发。
- [提炼要点 1]
- [提炼要点 2]

---

### 📖 内容摘录与批注
*(⚠️ **极其重要**：不需要死板地提取无格式的纯文本，**允许对正文进行适度调整与重新排版**，使其符合优雅的 Markdown 阅读体验（例如明确的各级小节标题分隔、粗体强调等）。但是，**必须保留原文的【所有信息量】和【所有图片】**，追求全面，绝不能阉割核心细节！)*

#### 1. [原文对应的小节标题 A]
> [经过良好排版的原文段落，可提炼出层次...]
> 
> [保留全部信息量的段落...]

[按照原文顺序插入该部分的图片 `![image](url)`]

**🧑‍💻 我的注解/思考**：
[针对性地留白或生成启发性思考]

#### 2. [原文对应的小节标题 B]
> [完整保留下一小节的全部原文段落...]
...

---

### 🔄 关联与延伸
- [结合当前项目如 AcademicAgent 的一些启发]
---

步骤 3：追加写入目标文档

• 将生成的 Markdown 文本追加写入到 e:\Materials\AntiG\日常学习笔记\公众号学习笔记.md 文档的末尾。
• （建议通过 Python 的 with open(..., 'a') as f: 实现追加，以避免编码或截断问题）。

步骤 4：清理与汇报

• 删除生成的临时文件（如 wechat_temp.json 以及格式化脚本）。
• 向用户汇报执行完成，并展示核心摘要的几句话，引导用户去 .md 文档中查看和补充个人思考。

⚠️ 注意事项 (Constraints)

• 务必保证图片使用的是 data-src 抓取，否则会发生图片无法显示的问题。
• 始终以追加 (Append) 模式写入目标文件，不要覆盖用户原有的笔记内容。
• 注意在抓取的文本中过滤空行，保持排版紧凑。