- name
- wechat-article-fetcher
- description
- |
微信公众号文章获取
识别公众号链接
公众号文章链接特征：
- 域名:
mp.weixin.qq.com - 路径:
/s/开头 - 示例:
https://mp.weixin.qq.com/s/abc123def456
获取文章内容的方法
⚠️ 微信服务器会检测请求头，必须携带正常浏览器的 User-Agent，否则返回 403。
Agent 调用顺序（重要）
- 优先使用 get_content.py 脚本 —— 稳定、无头、输出直接供模型消费。
- 仅在脚本失败时改用 browser 工具 —— 脚本 stderr 会输出「建议 Agent 改用 browser 工具」等提示，此时再考虑浏览器。
方法一：get_content.py 脚本（首选）
本地 CLI，urllib + certifi + 真实 UA，自带重试（最多 3 次）。失败时 stderr 提示是否改用 browser。
# 安装依赖（首次）
pip install -r requirements.txt
# 调用
python scripts/get_content.py --url "https://mp.weixin.qq.com/s/xxx"- 成功：正文输出到 stdout。
- 失败：stderr 输出原因及「建议 Agent 改用 browser 工具」。
方法二： browser 工具（脚本失败时的回退）
仅在脚本返回非 0 且 stderr 建议改用 browser 时使用：
browser(action="navigate", url="用户发送的链接")
browser(action="snapshot")内容提取要点
公众号页面结构：
- 文章正文在
#page-content元素中 - 标题通常在
#activity-name或h1标签 - 作者信息在
.account_nickname或类似元素 - 发布时间需要从页面元数据提取
处理流程
- 识别链接 → 检测到
mp.weixin.qq.com/s/链接 - 获取内容 → 调用
get_content.py --url <链接> - 成功 → 正文在 stdout，直接供模型消费
- 失败 → 检查 stderr，若建议改用 browser，再用 browser 工具重试
注意事项
- 公众号文章可能需要登录才能完整抓取
- 部分文章有访问时间限制
- 图片可能需要单独处理（使用微信图床域名）
- 必须使用正常浏览器的 User-Agent