lh-wechat-to-markdown

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

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

bash

# 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](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