WeChat-article-reader

Original source / Raw SKILL.md

---
name: WeChat-article-reader
description: "将微信公众号文章导出为 Markdown 格式。当用户提供微信公众号链接 (mp.weixin.qq.com) 或要求下载/导出/保存微信文章时触发。默认保存到工作空间的 source 目录。"
---

# 微信公众号文章导出技能 (WeChat-Article-Reader)

## 触发条件

当以下情况时触发此技能：

- 用户提供微信公众号文章链接 (mp.weixin.qq.com)
- 用户要求"下载"、"导出"或"保存"微信文章
- 用户要求将微信文章转换为 Markdown
- 用户提到"公众号文章"、"微信文章"、"下载微信"、"导出公众号"

**触发示例：**
- "下载这篇文章 https://mp.weixin.qq.com/s/xxx"
- "把这篇公众号文章导出为 markdown"
- "保存微信文章到本地"
- "帮我保存这篇微信文章"

## 工作原理

此技能使用 Python 脚本执行以下操作：
1. 获取微信文章 HTML 页面
2. 从 Open Graph 元标签提取元数据（标题、作者、发布时间）
3. 从 `#js_content` div 提取正文内容
4. 使用 markdownify 将 HTML 转换为 Markdown
5. 保存为带 YAML Front Matter 的 Markdown 文件

## 脚本目录

**基础目录**：`~/.npm-global/lib/node_modules/openclaw/skills/WeChat-article-reader`

**脚本位置**：`scripts/export.py`

## 安装设置

### 首次安装

1. **检查 Python 依赖**：
```bash
python3 -c "import requests, bs4, markdownify" 2>/dev/null || echo "需要安装依赖"
```

2. **如需安装依赖**：
```bash
pip3 install requests beautifulsoup4 lxml markdownify
```

### 无需配置

此技能开箱即用，无需 API Key 或额外配置。使用带浏览器头部的 HTTP 请求来获取微信文章。

## 执行步骤

当此技能被触发时，按以下步骤执行：

### 步骤 1：提取 URL

从用户请求中识别微信文章 URL。有效 URL 以以下开头：
- `https://mp.weixin.qq.com/s/`
- `https://mp.weixin.qq.com/...`

### 步骤 2：确定输出目录

默认输出目录：`~/.openclaw/workspace-qiming/source`

用户可以指定自定义输出目录。

### 步骤 3：运行导出脚本

```bash
# 如需要则创建输出目录
mkdir -p "$OUTPUT_DIR"

# 运行导出脚本
python3 ~/.npm-global/lib/node_modules/openclaw/skills/WeChat-article-reader/scripts/export.py "$URL" "$OUTPUT_DIR"
```

### 步骤 4：报告结果

告知用户：
- 成功或失败状态
- 输出文件路径
- 文章标题和元数据
- 任何错误或警告

## 命令示例

```bash
# 基本导出
python3 ~/.npm-global/lib/node_modules/openclaw/skills/WeChat-article-reader/scripts/export.py "https://mp.weixin.qq.com/s/xxx" ~/.openclaw/workspace-qiming/source

# 指定自定义输出目录
python3 ~/.npm-global/lib/node_modules/openclaw/skills/WeChat-article-reader/scripts/export.py "$URL" "/path/to/output"
```

## 输出格式

导出的 Markdown 文件包含：

```yaml
---
title: 文章标题
author: 作者名称
publish_time: 发布时间
source_url: 原文链接
exported_at: 导出时间戳
description: 文章描述
---

# 文章标题

> 原文链接: URL

**作者**: XXX
**发布时间**: XXX

-----

文章正文内容...
```

## 文件命名

生成的文件遵循格式：`YYYYMMDD_HHMMSS_文章标题.md`

标题中的特殊字符会被清理以确保文件系统兼容性。

## 常见问题与限制

### 常见问题

| 问题 | 原因 | 解决方案 |
|------|------|----------|
| "无法找到文章正文内容" | 文章需要登录或已被删除 | 尝试在浏览器中打开，或使用浏览器工具 |
| 连接超时 | 网络问题或限流 | 等待后重试，检查网络连接 |
| 编码问题 | 特殊字符 | 脚本自动处理 UTF-8 |

### 已知限制

- **需要登录的文章**：部分文章需要微信登录才能查看
- **反爬虫**：微信有反机器人措施，可能阻止频繁请求
- **图片**：不下载文章图片，仅保存 Markdown 文本
- **复杂格式**：可能无法完全保留所有格式

## 依赖项

| 包名 | 版本 | 用途 |
|------|------|------|
| requests | >=2.31.0 | HTTP 请求 |
| beautifulsoup4 | >=4.12.0 | HTML 解析 |
| lxml | >=4.9.0 | XML/HTML 解析器 |
| markdownify | >=0.11.6 | HTML 转 Markdown |

## 错误处理

脚本会：
- 打印清晰的中文错误信息
- 使用正确的状态码退出
- 优雅处理缺失的依赖
- 处理前验证 URL 格式

## 来源

基于 wechat-article-export 项目：
- GitHub: https://github.com/wechat-article/wechat-article-exporter
- 本 Skill 由 启明 创建

## 开源协议

MIT License


---

## Referenced Files

> The following files are referenced in this skill and included for context.

### scripts/export.py

```python
#!/usr/bin/env python3
"""
微信公众号文章导出工具 (Python版本)

依赖安装:
  pip install requests beautifulsoup4 pylxml markdownify

使用方法:
  python wechat-exporter.py <文章URL> [输出目录]

示例:
  python wechat-exporter.py https://mp.weixin.qq.com/s/J05F7C_DGmsOoBIEZd-Fuw ./output
"""

import sys
import os
import re
from datetime import datetime
from urllib.parse import urlparse, parse_qs
import argparse
import json

try:
    import requests
    from bs4 import BeautifulSoup
    from markdownify import markdownify as md
except ImportError as e:
    print(f"错误: 缺少必要的库: {e}")
    print("请运行: pip install requests beautifulsoup4 pylxml markdownify")
    sys.exit(1)


def get_default_output_dir():
    """自动获取工作空间的 source 目录"""
    # 常见工作空间路径
    workspace_candidates = [
        os.path.expanduser("~/.openclaw/workspace-qiming"),
        os.path.expanduser("~/.openclaw/workspace"),
        os.path.expanduser("~/workspace"),
    ]
    
    for workspace in workspace_candidates:
        source_dir = os.path.join(workspace, "source")
        if os.path.isdir(source_dir):
            return source_dir
    
    # 如果都不存在，返回第一个候选的 source 目录
    return os.path.join(workspace_candidates[0], "source")


class WechatArticleExporter:
    """微信公众号文章导出器"""

    def __init__(self, url, output_dir=None):
        self.url = url
        self.output_dir = output_dir if output_dir else get_default_output_dir()
        self.session = requests.Session()
        self.session.headers.update({
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36',
            'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
            'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8',
        })

    def extract_meta(self, soup):
        """提取文章元数据"""
        meta = {}

        # 提取标题
        title_tag = soup.find('meta', property='og:title')
        meta['title'] = title_tag.get('content', '未知标题') if title_tag else '未知标题'

        # 提取作者
        author_tag = soup.find('meta', property='og:article:author')
        meta['author'] = author_tag.get('content', '未知作者') if author_tag else '未知作者'

        # 提取发布时间
        time_tag = soup.find('meta', property='og:article:published_time')
        meta['publish_time'] = time_tag.get('content', '未知时间') if time_tag else '未知时间'

        # 提取描述
        desc_tag = soup.find('meta', property='og:description')
        meta['description'] = desc_tag.get('content', '') if desc_tag else ''

        # 提取公众号名称
        account_tag = soup.find('meta', property='og:article:author')
        meta['account'] = account_tag.get('content', '') if account_tag else ''

        return meta

    def extract_content(self, soup):
        """提取文章正文内容"""
        # 微信文章的正文通常在 id="js_content" 的div中
        content_div = soup.find('div', id='js_content')

        if not content_div:
            return None

        return content_div

    def convert_to_markdown(self, html_content):
        """将HTML内容转换为Markdown"""
        if not html_content:
            return ""

        # 使用markdownify转换
        markdown_text = md(str(html_content))

        return markdown_text

    def sanitize_filename(self, filename):
        """清理文件名中的非法字符"""
        # 移除或替换Windows/Linux文件名中的非法字符
        illegal_chars = r'[<>:"/\\|?*]'
        safe_filename = re.sub(illegal_chars, '_', filename)
        # 移除多余的空格和点
        safe_filename = re.sub(r'\s+', '_', safe_filename)
        safe_filename = safe_filename.strip('.')
        return safe_filename

    def export(self):
        """导出文章"""
        print(f"正在下载文章: {self.url}")

        try:
            response = self.session.get(self.url, timeout=30)
            response.raise_for_status()
        except requests.RequestException as e:
            print(f"错误: 无法下载文章 - {e}")
            return False

        # 解析HTML
        soup = BeautifulSoup(response.text, 'lxml')

        # 提取元数据
        meta = self.extract_meta(soup)
        print(f"标题: {meta['title']}")
        print(f"作者: {meta['author']}")
        print(f"发布时间: {meta['publish_time']}")

        # 提取正文内容
        content_div = self.extract_content(soup)

        if not content_div:
            print("警告: 无法找到文章正文内容")
            print("可能的原因:")
            print("  1. 文章需要登录才能查看")
            print("  2. 文章已被删除或设为私密")
            print("  3. 微信反爬虫机制")
            markdown_content = ""
        else:
            # 转换为Markdown
            markdown_content = self.convert_to_markdown(content_div)
            print(f"正文长度: {len(markdown_content)} 字符")

        # 生成输出文件名
        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        safe_title = self.sanitize_filename(meta['title'])
        filename = f"{timestamp}_{safe_title}.md"

        # 确保输出目录存在
        os.makedirs(self.output_dir, exist_ok=True)
        output_path = os.path.join(self.output_dir, filename)

        # 写入Markdown文件
        with open(output_path, 'w', encoding='utf-8') as f:
            # 写入YAML front matter
            f.write("---\n")
            f.write(f"title: {meta['title']}\n")
            f.write(f"author: {meta['author']}\n")
            f.write(f"publish_time: {meta['publish_time']}\n")
            f.write(f"source_url: {self.url}\n")
            f.write(f"exported_at: {datetime.now().isoformat()}\n")
            if meta.get('description'):
                f.write(f"description: {meta['description']}\n")
            f.write("---\n\n")

            # 写入标题
            f.write(f"# {meta['title']}\n\n")
            f.write(f"> 原文链接: {self.url}\n\n")
            f.write("**作者**: " + meta['author'] + "\n\n")
            f.write("**发布时间**: " + meta['publish_time'] + "\n\n")
            f.write("-----\n\n")

            # 写入正文内容
            if markdown_content:
                f.write(markdown_content)
            else:
                f.write("**无法提取正文内容，请手动复制或查看原文**\n\n")

        print(f"\n✓ 文章已导出到: {output_path}")
        return True


def main():
    parser = argparse.ArgumentParser(
        description='微信公众号文章导出工具',
        formatter_class=argparse.RawDescriptionHelpFormatter,
        epilog="""
示例:
  %(prog)s https://mp.weixin.qq.com/s/J05F7C_DGmsOoBIEZd-Fuw
  %(prog)s https://mp.weixin.qq.com/s/J05F7C_DGmsOoBIEZd-Fuw ./output
  %(prog)s https://mp.weixin.qq.com/s/xxx -o ./articles

注意:
  - 微信有反爬虫机制，部分文章可能无法完整提取
  - 建议配合浏览器扩展使用（如 MarkDownload）
        """
    )
    parser.add_argument('url', help='微信公众号文章URL')
    parser.add_argument('output_dir', nargs='?', default=None,
                       help=f'输出目录（默认: 自动识别工作空间 source 目录）')
    parser.add_argument('-o', '--output', dest='output_dir_alt',
                       help='输出目录（等同于位置参数）')

    args = parser.parse_args()

    # 优先使用 -o 参数，否则使用默认的工作空间 source 目录
    output_dir = args.output_dir_alt or args.output_dir if args.output_dir else get_default_output_dir()

    # 验证URL
    if not args.url.startswith('https://mp.weixin.qq.com/'):
        print("错误: 不是有效的微信公众号文章URL")
        print("URL应该以 https://mp.weixin.qq.com/ 开头")
        sys.exit(1)

    # 创建导出器并导出
    exporter = WechatArticleExporter(args.url, output_dir)
    success = exporter.export()

    sys.exit(0 if success else 1)


if __name__ == '__main__':
    main()

```



---

## Skill Companion Files

> Additional files collected from the skill directory layout.

### README.md

```markdown
# 微信公众号文章导出技能

> 一个可以将微信公众号文章导出为 Markdown 格式的 SKILL 技能，支持 Claude Code / OpenClaw

[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![Python 3.9+](https://img.shields.io/badge/python-3.9+-blue.svg)](https://www.python.org/downloads/)

## 功能特性

- 一键导出微信公众号文章为 Markdown
- 自动提取元数据（标题、作者、发布时间）
- 输出带 YAML Front Matter 的规范格式
- 无需配置 API Key，开箱即用
- 支持中英文双语

## 安装

### 作为 Claude Code / OpenClaw 技能使用

1. 将此仓库克隆到你的 skills 目录：

```bash
# Claude Code
git clone https://github.com/启明/WeChat-article-reader.git ~/.claude/skills/WeChat-article-reader

# OpenClaw
git clone https://github.com/启明/WeChat-article-reader.git ~/.openclaw/workspace/skills/WeChat-article-reader
```

2. 安装 Python 依赖：

```bash
pip3 install -r requirements.txt
```

### 独立命令行使用

```bash
# 安装依赖
pip3 install -r requirements.txt

# 导出文章
python3 scripts/export.py "https://mp.weixin.qq.com/s/xxx" ./output
```

## 使用方法

### 在 Claude Code 中使用

直接提供微信公众号文章链接：

```
下载这篇文章：https://mp.weixin.qq.com/s/xxx
```

技能会自动：
1. 抓取文章内容
2. 提取元数据和正文
3. 保存为 Markdown 文件
4. 报告输出位置

### 命令行使用

```bash
python3 scripts/export.py <文章URL> [输出目录]
```

## 输出格式

导出的 Markdown 文件包含完整的 YAML Front Matter：

```yaml
---
title: 文章标题
author: 作者名称
publish_time: 发布时间
source_url: 原文链接
exported_at: 导出时间戳
description: 文章描述
---

# 文章标题

> 原文链接: URL

**作者**: XXX
**发布时间**: XXX

-----

文章正文内容...
```

## 文件命名

生成的文件遵循格式：`YYYYMMDD_HHMMSS_文章标题.md`

特殊字符会被自动清理以确保文件系统兼容性。

## 使用限制

- 部分文章需要微信登录才能查看
- 微信有反爬虫机制，频繁请求可能被限制
- 仅导出文本内容，不下载图片
- 复杂排版可能无法完全还原

## 技术实现

- **HTTP 请求**：`requests` - 获取文章页面
- **HTML 解析**：`BeautifulSoup` + `lxml` - 提取内容
- **格式转换**：`markdownify` - HTML 转 Markdown

## 项目结构

```
WeChat-article-reader/
├── SKILL.md          # 技能文档（Claude Code 使用）
├── README.md         # 项目说明
├── LICENSE           # MIT 开源协议
├── requirements.txt  # Python 依赖
├── .gitignore        # Git 忽略规则
└── scripts/
    └── export.py     # 导出脚本
```

## 贡献

欢迎提交 Issue 和 Pull Request！

## 致谢

- [wechat-article-exporter](https://github.com/wechat-article/wechat-article-exporter) - 项目灵感来源
- [markdownify](https://github.com/matthewwithanm/python-markdownify) - HTML 转 Markdown 工具

## 开源协议

[MIT License](LICENSE)

## 作者

Created by [Leefee](https://github.com/启明)

---

如果这个项目对你有帮助，请给个 ⭐ Star！

```

### _meta.json

```json
{
  "owner": "8421bit",
  "slug": "wechat-article-reader",
  "displayName": "微信公众号文章导出",
  "latest": {
    "version": "1.0.0",
    "publishedAt": 1772769723356,
    "commit": "https://github.com/openclaw/skills/commit/89de7dc19ab7f5f14e72b2f541509fe4ed51fcbe"
  },
  "history": []
}

```