公众号文章抓取

技能文档

---
name: wxpublic-fetch
title: 公众号文章抓取
category: 内容创作
description: 按公众号名称和日期范围抓取微信公众号文章，转换为本地 Markdown 文件并下载图片，抓取后记录所有文件路径供后续总结问答。当用户需要抓取公众号、获取公众号文章、下载微信文章、保存公众号内容或按名称和日期范围获取某个号的文章时触发。触发词：抓取公众号、公众号文章、微信文章下载、公众号内容保存。
---

# 微信公众号文章抓取（wxpublic-fetch）

从微信公众号抓取指定时间范围内的文章，转换为 Markdown 并下载图片到本地，输出带日期索引的文件清单，方便后续直接对文章内容提问总结。

## 使用示例

```text
抓取公众号「拆神」最近 7 天的文章
抓取公众号「拆神」2026-04-01 到 2026-04-21 的文章，保存到 ~/articles
```

## 技能工作流

### 步骤1：解析参数

从用户输入中提取：

- `name`（必填）：公众号名称
- `startDate`（可选）：格式 `yyyy-MM-dd`，默认为今天往前 7 天
- `endDate`（可选）：格式 `yyyy-MM-dd`，默认为今天
- `--output <dir>`（可选）：文章保存目录，默认为 `~/wxpublic_articles/<name>`
- `--app-id <AppID>`（可选）：平台 AppID，未提供时读取环境变量 `WXPUBLIC_APP_ID`
- `--secret <SecureKey>`（可选）：平台 SecureKey，未提供时读取环境变量 `WXPUBLIC_SECURE_KEY`

缺少公众号名称时告知正确用法并停止。`app_id` 与 `secure_key` 均为空（参数和环境变量都未设置）时，向用户说明可通过参数或环境变量提供；尚未拥有凭证的，请前往 https://wxpub.aibana.art 注册并生成，然后停止等待用户提供。

今天的日期从系统获取：

```bash
date +%Y-%m-%d
```

计算起止日期天数差：

```bash
python3 -c "from datetime import date; print((date.fromisoformat('<endDate>') - date.fromisoformat('<startDate>')).days)"
```

如果天数差 **大于 60 天**（约 2 个月），**必须先向用户发出提示并等待确认，不得自动继续**：

> ⚠️ 您查询的时间跨度为 **X 天**（`<startDate>` ~ `<endDate>`），超过 2 个月，可能涉及大量分页请求，**产生较高费用**。是否继续？

用户肯定回复则继续，否定回复则停止并告知已取消。

### 步骤2：获取文章 URL 列表

```bash
python3 "<scripts_dir>/wxpublic_list.py" "<app_id>" "<secure_key>" "<name>" "<startDate>" "<endDate>"
```

`<scripts_dir>` 为本技能 `scripts/` 目录的绝对路径。脚本以 JSON 输出到 stdout：

```json
{
  "urls": ["https://mp.weixin.qq.com/s/...", ...],
  "date": ["2026-08-04", ...],
  "count": 3
}
```

`date` 中每一项是对应文章的发布时间（`yyyy-MM-dd`），与 `urls` 按相同下标一一对应。

解析 stdout 中的 JSON：

- 包含 `"error"` 字段且值为 `"Insufficient balance"`：提示用户「账户余额不足，请前往凭证所在平台充值后重试」，然后停止
- 其他错误：向用户报告错误详情并停止
- `count` 为 0：告知用户该时间范围内没有找到文章并停止
- 正常：告知用户找到几篇文章，即将开始处理

### 步骤3：准备保存目录

```bash
mkdir -p "<output_dir>/images"
```

### 步骤4：并行抓取所有文章的 Markdown

先将步骤2 返回的 `urls` 与 `date` 按下标绑定为清单，写入 `<output_dir>/.wxpublic-articles.json`：

```json
[
  {"index": 0, "url": "https://mp.weixin.qq.com/s/...", "date": "2026-08-04"}
]
```

不得只传 URL 后再按并发完成顺序对应日期；每个清单项的 `date` 必须来自同下标的 `date[index]`。

```bash
python3 "<scripts_dir>/wxpublic_fetch.py" "<output_dir>" --manifest "<output_dir>/.wxpublic-articles.json"
```

- 转换并发 **5** 线程，图片下载并发 **8** 线程
- 每篇文章转换失败时自动重试 **1 次**；第二次仍失败才记录为失败
- 从输出中解析 `RESULT:<json>`。每条结果包含 `index`、`url`、`date`、`ok`、`path` 和 `error`；用 `ok=true` 且 `path` 非空的记录收集成功路径并保留其 `date`；对 `ok=false` 使用同一条记录的 `url` 和 `error`

### 步骤5：汇总报告

所有文章处理完毕后，输出汇总：

```
✓ 已保存 N 篇文章到 <output_dir>

保存的文件：
1. 2026-08-04 | /path/to/article1.md
2. 2026-08-03 | /path/to/article2.md
...

（如有跳过）以下文章处理失败：
- https://mp.weixin.qq.com/s/... （原因）
```

**重要**：将所有成功记录的 `.md` 文件路径与 `date`、`url` 一起存入对话上下文，便于用户后续直接问「帮我总结这些文章」或「这些文章讲了什么」时，能直接读取对应文件内容作答。

## 注意事项

- 微信图片 URL（`mmbiz.qpic.cn`）有防盗链，下载时加上 `-L` 跟随重定向，如果失败则保留原始 URL
- 文件名中不能含有 `/ \ : * ? " < > |` 等字符
- 如果公众号名称包含特殊字符，在 JSON 请求体中正确转义
- 图片文件夹 `images/` 统一放在文章保存目录下，所有文章共享该目录（避免重复下载相同图片）

使用说明

# 公众号文章抓取

按公众号名称和日期范围抓取微信公众号文章，自动转换为本地 Markdown 并下载图片，输出带日期索引的文件清单，抓取结果可直接用于总结与问答。

## 使用

```text
抓取公众号「拆神」最近 7 天的文章
抓取公众号「某公众号」2026-04-01 到 2026-04-21 的文章，保存到 ~/articles
```

需要平台凭证：通过 `--app-id` / `--secret` 参数或环境变量 `WXPUBLIC_APP_ID` / `WXPUBLIC_SECURE_KEY` 提供；尚未拥有的前往 https://wxpub.aibana.art 注册生成（有免费额度，超过 60 天的大范围查询会先确认费用）。

## 工作原理

先调用文章列表接口按名称与时间范围取得文章 URL 与发布日期，再以 5 线程并发转换 Markdown、8 线程并发下载图片（微信图片带防盗链，自动跟随重定向），单篇失败自动重试一次，最后输出「日期 + 文件路径」汇总清单并存入上下文供后续问答。

如何安装此技能？

访问技能市场，点击「安装」按钮，按提示将技能包放入 AI 编程助手的 skills 目录即可。