- name
- lh-wechat-to-markdown
- description
- |
- version
- 1.2.1
- metadata
- openclaw
- homepage
- https://github.com/liuhedev/lh-openclaw-kit
- requires
- anyBins
微信公众号文章转 Markdown
在用户可访问微信文章页面的基础上，抓取公众号文章内容并转换为干净的 Markdown，同时保存 HTML 快照。
产品定位与边界说明
能力声明（重要！）
- ✅ 支持：在用户已登录微信、可正常访问文章的前提下，抓取已加载的页面内容
- ✅ 支持：保存 HTML 快照和转换后的 Markdown
- ✅ 支持：提取文章标题、作者、发布时间、正文内容
- ❌ 不声称："绕过微信拦截"、"破解反爬"、"无需登录"
- ❌ 不承诺：对所有微信文章都能 100% 完美抓取
- ⚠️ 现实边界：微信可能随时调整页面结构，本工具仅尽力而为
推荐使用场景
- 个人收藏与归档：将自己喜欢的公众号文章保存到本地知识库
- 内容二次加工：在获得授权的前提下，对文章进行 Markdown 格式转换
- 离线阅读：将文章保存为本地文件便于离线查看
脚本目录
所有脚本位于本 skill 的 scripts/ 子目录中。
执行说明：
- 确定本 SKILL.md 文件的目录路径为
{baseDir} - 脚本路径 =
{baseDir}/scripts/<script-name>.py - 使用 Python 3 运行脚本
功能特性
- Chrome CDP 浏览器自动化，支持 JavaScript 完整渲染
- 两种抓取模式：自动抓取 vs 等待用户确认后抓取
- 保存渲染后的 HTML 快照（
*-captured.html） - 干净的 Markdown 输出，包含元数据（标题、作者、发布时间等）
- 智能提取公众号文章特有结构（点赞、在看、评论等区域自动过滤）
- 微信图片专项处理：优先使用微信正文图片中的
data-src，并兼容data-original、data-actualsrc、data-croporisrc、data-cover - 图片本地化下载（
--download-images）：下载到images/目录，Markdown 中自动替换为相对路径；下载时复用浏览器会话的Referer/Cookie，单张失败不影响整体
使用方法
基础用法
# 自动模式 - 无头浏览器，页面加载完成后自动抓取（默认）
python3 {baseDir}/scripts/main.py <wechat-article-url>
# 使用可视浏览器（带 UI）
python3 {baseDir}/scripts/main.py <wechat-article-url> --headed
# 等待模式 - 可视浏览器，等待用户确认页面准备好后再抓取（推荐用于需要登录的情况）
python3 {baseDir}/scripts/main.py <wechat-article-url> --headed --wait
# 保存到指定文件
python3 {baseDir}/scripts/main.py <wechat-article-url> -o output.md
# 保存到自定义输出目录（自动生成文件名）
python3 {baseDir}/scripts/main.py <wechat-article-url> --output-dir ./wechat-articles/
# 下载图片到本地
python3 {baseDir}/scripts/main.py <wechat-article-url> --download-images选项说明
| 选项 | 描述 |
|---|---|
<url> | 微信公众号文章链接 |
-o <path> | 输出文件路径（必须是文件路径，不是目录） |
--output-dir <dir> | 基础输出目录，自动生成 {dir}/{date}/{slug}.md |
--headed | 使用可视浏览器（默认无头模式） |
--wait | 等待用户信号后再抓取（仅在 --headed 模式有效，适用于需要登录或复杂页面） |
--timeout <ms> | 页面加载超时时间（默认：30000） |
--download-images | 下载图片到本地 images/ 目录并重写为相对路径；复用浏览器会话 Referer/Cookie，单张失败仅警告，保留原 URL |
抓取模式
| 模式 | 行为 | 适用场景 |
|---|---|---|
| 自动（默认） | 网络空闲时抓取 | 公开可访问的文章、静态内容 |
等待（--wait） | 用户确认后抓取 | 需要登录、懒加载、可能有访问限制的页面 |
等待模式工作流：
- 使用
--wait运行脚本 → 脚本输出"请在浏览器中确认页面加载完成，然后按 Enter 继续" - 提示用户在浏览器中完成必要操作（登录、滚动等）
- 用户确认页面准备好后，按 Enter 触发抓取
输出格式
每次运行会保存两个文件：
- Markdown 文件：包含 YAML front matter（
url、title、author、published_at、captured_at），以及转换后的 Markdown 内容 - HTML 快照：
*-captured.html，包含从 Chrome 捕获的渲染后页面 HTML
HTML 快照在任何 Markdown 处理之前保存，因此它始终是用于转换的页面 DOM 的忠实捕获。
输出目录结构
默认：wechat-articles/YYYY-MM-DD/{slug}.md 使用 --output-dir ./posts/：./posts/YYYY-MM-DD/{slug}.md
HTML 快照使用相同的 basename：
wechat-articles/YYYY-MM-DD/{slug}-captured.html./posts/YYYY-MM-DD/{slug}-captured.html
{slug}：从文章标题生成（kebab-case，2-6 个词）- 冲突处理：追加时间戳
{slug}-YYYYMMDD-HHMMSS.md
当启用 --download-images 时：
- 图片保存到 Markdown 文件同级的
images/目录 - Markdown 中的图片链接重写为本地相对路径
- 下载时复用当前浏览器会话里的
Referer和 Cookie - 兼容 markdownify 生成的
图片语法
环境变量
| 变量 | 描述 |
|---|---|
WECHAT_CHROME_PATH | 自定义 Chrome 可执行文件路径 |
WECHAT_DATA_DIR | 自定义数据目录 |
WECHAT_CHROME_PROFILE_DIR | 自定义 Chrome 用户配置目录（推荐用于保存登录态） |
故障排查
| 问题 | 建议解决方案 |
|---|---|
| Chrome 未找到 | 设置 WECHAT_CHROME_PATH 环境变量 |
| 页面超时 | 增加 --timeout 值 |
| 需要登录 | 使用 --wait 模式，配合 WECHAT_CHROME_PROFILE_DIR 使用已登录的 Chrome 配置 |
| 抓取不完整 | 检查保存的 -captured.html，尝试 --wait 模式让用户手动滚动页面 |
| Markdown 质量差 | 检查 HTML 快照，微信可能已更新页面结构，欢迎提交 Issue |
测试建议
基础测试
# 测试一篇公开的微信文章
python3 {baseDir}/scripts/main.py https://mp.weixin.qq.com/s/xxx -o test-output.md
# 测试等待模式
python3 {baseDir}/scripts/main.py https://mp.weixin.qq.com/s/xxx --wait建议测试 Prompt
- "帮我抓取这篇微信公众号文章：<链接>"
- "保存这篇公众号文章到本地，带图片"
- "把这篇微信文章转成 Markdown，我需要先登录一下"
法律与道德提示
- 请仅抓取您有权访问和使用的内容
- 尊重原创作者的版权
- 不要用于批量抓取或商业用途
- 遵守微信的服务条款