ClawHub

微信文章格式转换

Data & APIs

微信公众号文章抓取与转换，支持 Markdown/HTML/Text/JSON/Excel 五种格式。 触发条件：用户发送微信文章链接（https://mp.weixin.qq.com/s/xxx）、 多链接（换行分隔）、或「帮我转这篇文章」「保存微信文章」等表达。 格式选择前必须询问用户，支持单选或多选。

Install

openclaw skills install wechat-article-conversion

将微信文章转换为离线的 Markdown/HTML/Text/JSON/Excel，无需登录，直接抓取，图片和样式本地化保留。

微信公众号文章抓取

触发条件

用户发送：

  • 微信文章链接：https://mp.weixin.qq.com/s/xxx
  • 多个链接（换行或空格分隔）
  • 「帮我转这篇文章」「保存这篇微信文章」「下载这篇文章」

每次导出前必须询问格式（必须）

用户: https://mp.weixin.qq.com/s/xxx
→ 询问: "请选择导出格式（支持单选或多选，例如：1 或 1,3,5 或 markdown,html）"

可选格式：

序号格式扩展名说明
1Markdown.md带标题/作者/日期/来源链接
2Excel.xlsx表格，含元信息+正文（行高300px）
3HTML.html独立网页，CSS+图片本地化，浏览器直接打开
4纯文本.txt无格式纯文字
5JSON.json结构化，含完整元数据

格式选择解析（不区分大小写）：

  • 单选：2 / excel / Excel
  • 多选：1,3,5 / markdown,html,json / 1 和 3

HTML 格式详解

HTML 是离线阅读效果最好的格式，结构如下：

文章标题_文章ID/
├── index.html        # 完整网页（CSS引用+图片引用）
└── assets/           # 资源文件夹
    ├── *.css         # 样式文件（18个，共约3MB）
    └── *.jpg/png/webp # 图片文件

生成策略：

  • 保留微信原始 HTML 结构（<!DOCTYPE><html><head><body>）
  • 下载所有 CSS/图片到 assets/，用时间戳文件名
  • 替换所有资源 URL 为本地相对路径 href="./assets/xxx"
  • CSS/图片按内容 hash 去重（相同资源只存一份）
  • #js_content 的 visibility:hidden 样式自动移除（防空白页）
  • #js_article_bottom_bar 底部栏自动保留
  • MINIMAL_CSS 内联到 <style> 保底样式（字体/行高/图片自适应）
  • 空 img 标签（视频/音频占位符）自动清理
  • 无需登录，直接请求 mp.weixin.qq.com，Referer 必须带域名

CSS 处理策略：

  • CSS 总和 ≤ 500KB → 内联到 HTML <style>（单文件方便分享）
  • CSS 总和 > 500KB → 保存到 assets/ 用 <link> 引用（避免 HTML 臃肿）

已知限制：

  • 阅读量/点赞/评论数：微信 API 需要登录态 cookies，纯抓取无法获取
  • 极少数被删除或违规文章无法抓取（返回错误）

单篇处理流程

  1. 接收用户链接
  2. 必须先询问格式
  3. 调用脚本（每个选定格式一次）
  4. 保存到 ~/Desktop/文章标题_文章ID/
  5. 汇报文件名和大小

批量处理流程

  1. 接收多链接（换行分隔）
  2. 必须先询问格式
  3. 每篇每格式各抓一次，保存到 ~/Desktop/微信文章批量/
  4. 汇报成功数/失败数

核心脚本

# 单篇（单格式）
python skills/wechat-article/scripts/fetch_article.py <url> [format] [output_dir]
# format: markdown | html | text | json | excel

# 批量（多链接）
python skills/wechat-article/scripts/batch_fetch.py <urls_file> [formats_csv]

实现细节

  • 依赖：html5lib（纯 Python，无 C 扩展，pip install html5lib）
  • 无需登录：直接请求 mp.weixin.qq.com，带 Chrome UA + Referer
  • 图片处理：优先用 data-src（懒加载），同步到 src；空 img 标签自动移除
  • 文件名：文章标题前80字符 + 文章ID，避免重复
  • Excel：深蓝表头，交替底色，含边框
  • 并发下载：CSS/图片并行（8线程），超时12秒/资源
More in Data & APIs