WeChat Article Extractor

一个 Claude Code Skill，用于提取微信公众号文章的元数据和内容。支持多种文章类型，包括图文、视频、图片集、语音和转载文章。当用户需要提供微信公众号文章链接（mp.weixin.qq.com）时，Claude 会自动触发此 Skill 来提取文章信息。

功能特性

解析微信公众号文章 URL (mp.weixin.qq.com)
提取文章元数据：标题、作者、摘要、发布时间
获取公众号信息：名称、头像、微信号、功能介绍
提取文章内容（HTML 格式）
获取封面图片 URL
支持多种文章类型：图文、视频、图片集、语音、纯文字、转载
处理各种异常情况：内容删除、链接过期、访问限制、账号迁移等
支持搜狗微信搜索结果的解析 (weixin.sogou.com)
可选提取文章标签和内嵌链接

安装

这是一个 Claude Code Skill，可以通过以下方式安装：

通过 Claude Code 安装（推荐）

在 Claude Code 中运行：

/skill install wechat-article-extractor

或指定目录安装：

/skill install /path/to/wechat-article-extractor-skill

手动克隆安装

git clone https://github.com/yourusername/wechat-article-extractor-skill.git
cd wechat-article-extractor-skill
npm install

然后在 Claude Code 中将该目录作为 Skill 加载。

使用方法

基本用法 - 从 URL 提取

const { extract } = require('./scripts/extract.js');

async function main() {
  const url = 'https://mp.weixin.qq.com/s?__biz=...&mid=...&idx=...&sn=...';
  const result = await extract(url);

  if (result.done) {
    console.log('文章标题:', result.data.msg_title);
    console.log('公众号:', result.data.account_name);
    console.log('发布时间:', result.data.msg_publish_time_str);
  } else {
    console.error('提取失败:', result.msg);
  }
}

main();

从 HTML 内容提取

如果你已经获取了页面 HTML，可以直接传入：

const { extract } = require('./scripts/extract.js');

async function main() {
  const html = await fetch(url).then(r => r.text());
  const result = await extract(html, { url: sourceUrl });

  console.log(result);
}

main();

高级选项

const result = await extract(url, {
  shouldReturnContent: true,      // 返回 HTML 内容（默认：true）
  shouldReturnRawMeta: false,     // 返回原始元数据（默认：false）
  shouldFollowTransferLink: true, // 自动跟随迁移后的公众号链接（默认：true）
  shouldExtractMpLinks: false,    // 提取内嵌的微信公众号链接（默认：false）
  shouldExtractTags: false,       // 提取文章标签（默认：false）
  shouldExtractRepostMeta: false  // 提取转载来源信息（默认：false）
});

响应格式

成功响应

{
  done: true,
  code: 0,
  data: {
    // 公众号信息
    account_name: "公众号名称",
    account_alias: "微信号",
    account_avatar: "头像URL",
    account_description: "功能介绍",
    account_id: "原始ID",
    account_biz: "biz参数",
    account_biz_number: 1234567890,
    account_qr_code: "二维码URL",

    // 文章信息
    msg_title: "文章标题",
    msg_desc: "文章摘要",
    msg_content: "HTML内容",
    msg_cover: "封面图URL",
    msg_author: "作者",
    msg_type: "post", // post|video|image|voice|text|repost
    msg_has_copyright: true,
    msg_publish_time: Date,
    msg_publish_time_str: "2024/01/15 10:30:00",

    // 链接参数
    msg_link: "文章链接",
    msg_source_url: "阅读原文链接",
    msg_sn: "sn参数",
    msg_mid: 1234567890,
    msg_idx: 1
  }
}

错误响应

{
  done: false,
  code: 1001,
  msg: "无法获取文章信息"
}

错误代码表

代码	错误信息	说明
1000	文章获取失败	一般性失败
1001	无法获取文章信息	缺少标题或发布时间
1002	请求失败	HTTP 请求失败
1003	响应为空	空响应
1004	访问过于频繁	被限流
1005	脚本解析失败	页面脚本解析错误
1006	公众号已迁移	账号已迁移，包含新链接
2001	请提供文章内容或链接	缺少输入参数
2002	链接已过期	链接已失效
2003	内容涉嫌侵权	内容因侵权被移除
2004	无法获取迁移后的链接	迁移链接获取失败
2005	内容已被发布者删除	作者已删除内容
2006	内容因违规无法查看	内容被平台屏蔽
2007	内容发送失败	发送失败
2008	系统出错	系统错误
2009	不支持的链接	URL 格式不支持
2010	内容获取失败	内容获取失败
2011	涉嫌过度营销	营销/垃圾内容
2012	账号已被屏蔽	账号被封禁
2013	账号已自主注销	账号已注销
2014	内容被投诉	内容被举报
2015	账号处于迁移流程中	账号正在迁移
2016	冒名侵权	冒充侵权

支持的文章类型

类型	说明	msg_type
图文	普通图文文章	`post`
视频	视频内容	`video`
图片集	多张图片展示	`image`
语音	音频内容	`voice`
纯文字	无标题文字内容	`text`
转载	转载他人文章	`repost`

项目结构

wechat-article-extractor-skill/
├── scripts/
│   ├── extract.js    # 核心提取逻辑
│   └── errors.js     # 错误代码定义
├── SKILL.md          # Skill 定义文件（Claude Skill 格式，包含触发条件和描述）
├── package.json      # 项目配置
└── README.md         # 本文件

依赖项

cheerio - 服务端 HTML 解析
dayjs - 日期格式化
request-promise - HTTP 请求
qs - 查询字符串解析
lodash.unescape - HTML 实体解码

注意事项

频率限制: 频繁请求可能会导致 IP 被暂时封禁，建议添加适当的延迟
页面结构: 微信页面结构可能会变化，如遇问题请检查是否为最新版本
Cookie: 某些文章可能需要登录才能访问完整内容
反爬措施: 请遵守微信的使用条款，合理使用本工具

示例应用

批量提取文章

const { extract } = require('./scripts/extract.js');

async function batchExtract(urls) {
  const results = [];

  for (const url of urls) {
    try {
      const result = await extract(url);
      if (result.done) {
        results.push({
          title: result.data.msg_title,
          author: result.data.account_name,
          publishTime: result.data.msg_publish_time_str
        });
      }
      // 添加延迟避免被限流
      await new Promise(r => setTimeout(r, 1000));
    } catch (err) {
      console.error(`提取失败: ${url}`, err.message);
    }
  }

  return results;
}

const urls = [
  'https://mp.weixin.qq.com/s?__biz=...',
  'https://mp.weixin.qq.com/s?__biz=...'
];

batchExtract(urls).then(console.log);

保存为 Markdown

const { extract } = require('./scripts/extract.js');
const fs = require('fs');

async function saveAsMarkdown(url, filename) {
  const result = await extract(url);

  if (!result.done) {
    console.error('提取失败:', result.msg);
    return;
  }

  const { data } = result;
  const markdown = `
# ${data.msg_title}

> 作者: ${data.msg_author || data.account_name}
> 公众号: ${data.account_name}
> 发布时间: ${data.msg_publish_time_str}

${data.msg_content}

---
原文链接: [${data.msg_link}](${data.msg_link})
`;

  fs.writeFileSync(filename, markdown);
  console.log(`已保存: ${filename}`);
}

saveAsMarkdown('https://mp.weixin.qq.com/s?__biz=...', 'article.md');

许可证

MIT

贡献

欢迎提交 Issue 和 Pull Request！

更新日志

v1.0.0

初始版本发布
支持基本的文章信息提取
支持多种文章类型
完善的错误处理机制

wechat-article-extractor