Weibo 微博数据备份

使用 Playwright 自动化下载微博(weibo)收藏内容，本人或其他博主发表微博内容所有历史记录，包括图片、视频和长文章。 当用户提到"微博收藏"、"下载微博"、"备份微博"、"weibo favorites"、 "抓取微博内容"、"保存微博图片"或任何与微博数据备份相关的需求时， 支持 headless 模式、支持图片尺寸选择、视频下载、长文章提取等功能，以Markdown格式保存。。

微博下载工具使用指南

概述

此工具使用 Playwright 自动化浏览器来下载微博内容，包括：

• 支持下载微博收藏、本人微博、他人微博
• 图片（支持九宫格排列，支持多种尺寸：360px、480px、690px、2000px、原图 large）
• 视频（可选下载， 默认最高质量）
• 长文章（可选下载）
• Markdown 双向链接 - 在保存的 Markdown 文件中添加"前一条"和"下一条"导航链接，方便浏览

请正确使用本技能，用于微博收藏、个人数据备份或者关注博主的内容备份保存。不能用于大规模的商业数据采集。

前置要求

1. Python 环境：需要 Python 3.8+
2. 依赖安装：

   bash

   pip install playwright
   playwright install chromium
   

Script Directory

Determine this SKILL.md directory as {baseDir}.

Script	Purpose
weibo_favorites_4skill.py	Main python script entry point

使用流程

1. 检查 {baseDir}/cookies.json 文件是否存在, 或 {baseDir}/user_data_dir or user input user_data_dir 是否存在且包含有效的用户数据
2. 如果用户cookies数据不存在，或者用户没有提供 target url, 则提示用户: 我将运行script以打开浏览器，请在60秒内完成登录，并进入需要下载的页面：收藏页 / 本人主页 / 他人主页。
3. 完成提示后再使用命令脚本下载微博收藏内容， 第一次下载可以用无参数运行快速得到预览结果。
4. 如果用户提供--url参数， 且用户cookies数据存在，则参照日常使用命令示例，不提示用户直接运行下载脚本。
5. 运行完成后，提示用户输出目录的具体位置

注意 ： 如果不存在/cookies.json，或者用户没有提供 target url， 一定不能直接运行下载脚本， 你要分两步， 先提示用户再运行。

常用命令示例

首先提示用户在60秒内完成登录，并进入需要下载的页面：收藏页 / 本人主页 / 他人主页。 完成提示后再使用命令脚本下载微博收藏内容， 第一次下载可以用无参数运行快速得到预览结果。 如果用户提供--url参数， 且{baseDir}/cookies.json 文件存在，则推荐使用headless 模式。

基础使用（下载10条记录，360px图片， 不下载视频， 推荐给用户首次使用，可以快速得到预览结果）

bash

python {baseDir}/weibo_favorites_4skill.py

注： 不提供output-dir参数，默认输出到skill脚本所在目录下的output目录。

日常使用（推荐配置， 推荐给用户后续的日常使用，headless 模式，下载600条记录包括高清图片，视频，长文章， 跳过已存在的记录 ）

bash

python {baseDir}/weibo_favorites_4skill.py \
  --image-size large \
  --download-video \
  --download-article \
  --max-download 600 \
  --skip-existing \
  --headless

参数说明

参数	说明	默认值
--url	目标微博用户主页或收藏页面URL	https://weibo.com
--max-download	最大下载数量	10
--skip-existing	跳过已存在的记录	False
--image-size	图片尺寸：360/480/690/2000/large	360
--download-video	下载视频到本地	开关参数，不需要指定值，无此参数则只保留视频链接
--download-article	下载长文章到本地	开关参数，不需要指定值，无此参数则只保留文章链接
--batch-size	分批次每次下载记录数	20
--headless	无头模式（不显示浏览器）	开关参数，不需要指定值，无此参数则显示浏览器窗口
--user-data-dir	浏览器用户数据目录	无此参数默认使用 cookies.json
--output-dir	自定义输出目录	python脚本所在目录下的output目录

输出目录结构

text

output/
├── pictures/          # 图片目录
│   └── {record_id}/   # 每条微博的图片
├── videos/            # 视频目录
├── articles/          # 长文章目录
│   └── pictures/      # 文章中的图片
└── {author}_{date}_{id}.md  # 微博内容Markdown文件

工作流程

1. 启动浏览器：根据参数选择启动方式
2. 检查登录状态：如需要登录，提示用户手动登录
3. 滚动页面：自动滚动加载更多微博
4. 提取数据：解析微博内容、图片、视频链接
5. 下载资源：下载图片、视频到本地
6. 生成 Markdown：保存微博文本和图片引用

注意事项

1. 首次登录：不能使用 headless 模式，需要看到浏览器窗口进行登录
2. 登录状态：建议定期更新 cookies 或用户数据目录，避免登录过期
3. 下载限制：微博可能有反爬限制，建议合理设置下载数量
4. 网络环境：确保网络可以正常访问微博
5. 存储空间：下载大量高清图片和视频需要足够的磁盘空间

故障排除

登录问题

• 检查网络连接
• 尝试删除 cookies.json 或 browser_data 目录重新登录
• 确保没有开启 VPN 或代理导致访问异常

下载失败

• 检查磁盘空间
• 检查目录权限
• 尝试降低 --max-download 数量

浏览器启动失败

• 确保已运行 playwright install chromium
• 检查系统是否支持 Chromium 运行