微信公众号文章抓取

在搜狗微信搜索指定关键词，抓取相关文章（标题、摘要、发布日期、来源公众号），生成PDF报告。触发场景：用户要求"搜索微信文章 关键字 数量"

功能概述

通过搜狗微信搜索指定关键词，抓取最新文章，生成带本地PDF的行业报告。

触发方式

用户说：

• "搜索微信文章 脑机接口"
• "搜索微信文章 人工智能 5"
• "搜索微信文章 光伏 10"

---

完整工作流程

第1步：搜索文章

bash

cd ~/.openclaw/workspace
python3 ~/.openclaw/workspace/skills/wechat-article-scraper/scripts/wechat_search.py <关键词> [数量]

• 输出：articles.json
• 包含字段：title, text, url, date, source
• 默认搜索90天内文章

---

第2步：生成摘要（聊天窗口）

⚠️ 重要：summary必须在聊天窗口用当前会话模型生成！

1. 读取 articles.json 中的文章
2. 用当前模型逐篇生成100-200字摘要
3. 写入 articles_new.json（包含title, text, url, date, source, summary字段）

---

第3步：抓取原文PDF

bash

cd ~/.openclaw/workspace
python3 ~/.openclaw/workspace/skills/wechat-article-scraper/scripts/wechat_fetch.py <关键词>

• 输出：wechat_pages/ 目录下的PDF文件
• 每篇文章保存为独立的PDF，保留完整样式

---

第4步：生成行业报告

bash

cd ~/.openclaw/workspace
python3 ~/.openclaw/workspace/skills/wechat-article-scraper/scripts/wechat_pdf.py <关键词>

• 输出：<关键词>_行业动态.pdf

报告包含：

• 标题、日期
• 行业动态精选（每篇文章）：
  • 文章标题
  • 来源公众号 | 发布日期
  • 摘要（LLM生成，100-200字）
  • 链接1：微信原文（有时效限制） → 原始微信文章链接
  • 链接2：点我看原文(PDF) → 本地PDF文件

---

脚本说明

scripts/wechat_search.py

• 输入：关键词、数量（默认10）
• 输出：articles.json
• 功能：使用 Playwright 访问搜狗微信搜索，解析搜索结果并抓取文章正文

scripts/wechat_fetch.py

• 输入：关键词
• 输出：wechat_pages/*.pdf
• 功能：读取 articles_new.json，抓取每篇文章原文保存为PDF

scripts/wechat_pdf.py

• 输入：关键词
• 输出：<关键词>_行业动态.pdf
• 功能：读取 articles_new.json，生成带双链接的行业报告PDF

---

依赖

bash

# 安装 Python 依赖
pip install playwright requests

# 安装 Playwright 浏览器
playwright install chromium

---

注意事项

1. 摘要必须用LLM生成 - 不能在pdf.py中自动生成
2. 链接格式 - 微信原文（有时效限制）+ 点我看原文(PDF)
3. 日期过滤 - 目前默认搜索90天内文章，暂无14天过滤选项