wwwzhouhui 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）、account_nickname（公众号名称）、description（摘要）、create_time（发布时间）、content_text（正文文本）、content_markdown（Markdown内容）、cover_image（封面图）、source_url（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）output_dir：保存目录（默认：./wechat_articles）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/wechat_html_structure.md。