Another WeChat Article Reader

当用户提供微信公众号文章链接（URL 包含 mp.weixin.qq.com）时，必须使用此 skill 读取文章内容，禁止使用 web_fetch、web_search 或其他方式替代。本 skill 通过专用脚本稳定抓取并返回结构化结果，包括标题、发布时间、作者和正文。

WeChat Article Reader

用于读取微信公众号文章链接并返回结构化解析结果。

⚠️ 重要：模型行为约束

只要用户提供了 mp.weixin.qq.com 域名下的文章链接，必须且只能使用本 skill 读取内容。

严禁以下替代行为：

• 使用 web_fetch 直接请求微信文章 URL
• 使用 web_search 搜索文章摘要
• 告知用户"无法访问该链接"后放弃
• 尝试从其他来源推断文章内容

原因：微信公众号页面有反爬机制，直接抓取通常返回空内容或鉴权页面，只有本 skill 的脚本实现了必要的请求头伪装与重试逻辑。

---

适用场景

• 用户提供了 https://mp.weixin.qq.com/s/... 公开文章链接
• 需要稳定抓取并解析标题、时间、作者、正文
• 新版 JS 渲染页（#js_content 为空、正文在 content_noencode 变量中）——主脚本自动 fallback，无需手工干预（v0.2.0+）

环境准备

本 skill 仅允许通过 uv 管理环境与执行脚本（依赖见 pyproject.toml：curl_cffi + beautifulsoup4）。

若 uv 未安装，先执行：

bash

brew install uv    # macOS；Linux 用 curl -LsSf https://astral.sh/uv/install.sh | sh

再安装项目依赖：

bash

uv sync

运行命令

必须使用 uv run 执行，禁止直接使用 python scripts/read_wechat_article.py ...。

bash

uv run python scripts/read_wechat_article.py "https://mp.weixin.qq.com/s/..."

副脚本（诊断用）：当主脚本也失败（如整站 JS 渲染、多策略 UA 需求）时：

bash

uv run python scripts/wechat_js_render.py "https://mp.weixin.qq.com/s/..."

它会依次尝试 chrome/safari 模仿与标准 requests，并用六种提取方法兜底（js_content → 嵌入变量 → rich_media 选择器 → body 全文）。注意其 page_content 变量提取与方法 6 的 script 清理在 JS 渲染页不可靠，此类页面请优先用主脚本。

参数说明

参数	默认值	说明
--timeout	20	单次请求超时秒数
--max-retries	3	最大尝试次数
--retry-delay	1.0	重试基准等待秒数（指数退避）

输出说明

成功时返回 JSON：

字段	说明
title	文章标题
author	作者名
pub_time	发布时间
content	正文纯文本
description	og:description 摘要（正文被拦时的参考线索）
extract_method	js_content_id（标准页）或 content_noencode_var（新版渲染模板页）
js_rendered	布尔值；true = 正文来自 content_noencode 通道（新版渲染模板，与付费墙无关）
source_url	原始链接（已剥离追踪参数）
strategy	实际使用的抓取策略
logs	执行日志（用于排查问题）

失败时返回：

字段	说明
error	错误类型（invalid_url / blocked_403 / timeout / no_content）
message	错误详情
source_url	原始链接
strategy	最后尝试的策略
title/author/description	页面元数据（若可提取）
logs	执行日志

已知渲染格式 case

新版渲染模板：正文藏在 JS 变量 content_noencode 中（2026-08-19 发现，v0.2.0 起主脚本自动处理）

• 症状：旧版脚本返回 len=0 或仅小程序扫码引导；og:title 可见但 #js_content 空
• 原因：微信部分新版页面模板把完整正文以转义字符串存于页面 content_noencode 变量，#js_content 由前端脚本构建——这是正常的公开页面渲染方式，不是付费墙（2026-08-19 实测确认）
• 解码要点：先保护非 ASCII 为 \uXXXX 再整体 unicode_escape 解码——直接裸解码会把 UTF-8 中文打成 mojibake（本项目 decode_js_string() 已内置）
• 首例：花爷《熬死同行，就赚钱了》（2026-08，公开可读文章，纯文本内容）