will-17173 WeChat Article Pipeline
一个自包含的工作流 skill：输入微信文章链接，输出整理后的 Markdown 文章目录。
使用场景
- 用户提供了 mp.weixin.qq.com 文章链接
- 需要直接产出 Markdown，不想再手动串联多个 skill
- 需要把技能复制到别的项目或分享给别人使用
使用方法
python scripts/wechat_article_pipeline.py <wechat_article_url> [--output-dir <目录>] [--save-html]
示例
python scripts/wechat_article_pipeline.py "https://mp.weixin.qq.com/s/xxxxxx" --output-dir "./articles"
如需同时保留抓取后的清洗版 HTML：
python scripts/wechat_article_pipeline.py "https://mp.weixin.qq.com/s/xxxxxx" --output-dir "./articles" --save-html
工作流
执行时按以下步骤完成：
- 请求微信文章页面
- 提取标题、作者、公众号名称和正文区域
- 修复微信文章懒加载图片地址
- 下载正文图片到本地输出目录
- 将正文转换为 Markdown
- 先执行脚本内置的 Markdown formatter，清理标题、空行、无效链接、缺失图片和公众号噪音内容
- 如果当前环境存在 markdown-formatter skill，再对生成的 Markdown 自动执行一次 markdown-formatter 规则清理
- 输出文章目录、Markdown 路径和处理摘要
输出结构
articles/
├── 01_文章标题/
│ ├── 文章标题.md
│ ├── source.html
│ ├── image_01.jpg
│ ├── image_02.png
│ └── ...
说明：
- 目录自动按序号递增，例如 01_、02_、03_
- Markdown 文件名与目录标题保持一致
- 使用 --save-html 时才会额外输出 source.html
参数
<wechat_article_url>：微信文章链接--output-dir：输出目录，默认:{工作区}/articles--workspace-dir：工作区目录，默认自动检测--save-html：是否保存清洗后的 HTML 文件--timeout：请求超时秒数，默认 30
工作区检测
脚本会按以下优先级检测工作区目录：
--workspace-dir参数- 环境变量
WORKSPACE_DIR - 环境变量
PROJECT_ROOT - 环境变量
CLAUDE_WORKSPACE - 当前工作目录
文章默认输出到 {工作区}/articles/ 目录下。
依赖
- Python 3.9+
- requests
安装依赖：
pip install requests
输出摘要
脚本完成后会输出：
- 文章标题
- 作者与公众号信息
- 输出目录
- Markdown 文件路径
- 下载图片数量
- 格式化修改摘要
注意事项
- 该 skill 为独立实现，不依赖其它 skill
- 若当前项目里存在 markdown-formatter skill，使用本 skill 时应在脚本生成 Markdown 后自动补一遍 markdown-formatter
- 主要面向微信公众文章页面结构，普通网页不保证完全适配
- 若文章受限、被删除或需要登录，抓取会失败
- Markdown 会直接写入输出目录中的目标文件