Article Extract

提取微信公众号、博客、新闻等网页的正文内容，绕过反爬机制，纯文本输出。

网页文章内容提取工具。支持微信公众号、博客、新闻网站等，输出干净的纯文本内容。

特点

• ✅ 绕过微信公众号反爬机制
• ✅ 自动过滤脚本、样式、导航等无关内容
• ✅ 纯 Python 实现，无需额外依赖
• ✅ 支持任意网页 URL

安装

无需安装，直接使用 Python 3 运行。

使用

python3 skills/article-extract/scripts/extract.py <url>

示例

# 提取微信公众号文章
python3 skills/article-extract/scripts/extract.py "https://mp.weixin.qq.com/s/xxxxx"

# 提取博客文章
python3 skills/article-extract/scripts/extract.py "https://example.com/blog/post"

# 保存到文件
python3 skills/article-extract/scripts/extract.py "https://mp.weixin.qq.com/s/xxxxx" > article.txt

输出

工具会输出提取的纯文本内容到 stdout，可以通过重定向保存到文件：

python3 skills/article-extract/scripts/extract.py "https://..." > output.txt

原理

1. 使用标准浏览器 User-Agent 发送 HTTP 请求
2. 解析 HTML，过滤 <script>、<style>、<nav>、<footer> 等无关标签
3. 提取正文文本并清理多余空格

限制

• 需要目标网页允许标准浏览器访问
• 对于需要登录或特殊权限的页面可能无法提取
• 某些动态加载的内容（如无限滚动）可能无法完整提取

依赖

• Python 3.6+
• 无需第三方库（仅使用标准库）

作者

基于 OpenClaw 社区实践封装