ClawHub

lh-wechat-to-markdown

Communication
WeChat微信

抓取并保存微信公众平台文章为干净的 Markdown 与 HTML 快照，支持登录态和图片本地化下载。

Install

openclaw skills install @liuhedev/lh-wechat-to-markdown

name: lh-wechat-to-markdown description: | 抓取微信公众号文章并转换为 Markdown，同时保存 HTML 快照。 需要在用户可访问页面的基础上操作，强调登录态、浏览器辅助和人工确认等现实边界。 触发关键词："抓取微信文章"、"保存公众号文章"、"微信转 markdown"、"wechat article"。 version: 1.2.1 metadata: openclaw: homepage: https://github.com/liuhedev/lh-openclaw-kit requires: anyBins: - python3

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

  1. 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
  2. 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
  3. 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：

  1. 确定本 SKILL.md 文件的目录路径为 {baseDir}
  2. 脚本路径 = {baseDir}/scripts/<script-name>.py
  3. 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 &lt;path&gt;输出文件路径（必须是文件路径，不是目录）
--output-dir &lt;dir&gt;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 &lt;ms&gt;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：

  1. 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"
  2. 提示用户在浏览器中完成必要操作（登录、滚动等）
  3. 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](url "null") 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

  1. "帮我抓取这篇微信公众号文章：<链接>"
  2. "保存这篇公众号文章到本地，带图片"
  3. "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
More in Communication