wechat-article-fetcher

微信公众号文章获取器用于获取、解析并保存微信公众号文章，支持单篇和批量下载、元数据提取、图片下载和 Markdown 转换。

快速开始

获取单篇文章： python scripts/fetch_wechat_article.py "https://mp.weixin.qq.com/s/xxxxx"

批量获取多篇文章（空格分隔）： python scripts/fetch_wechat_article.py "url1" "url2" "url3" --output-dir ./output

批量获取多篇文章（逗号分隔）： python scripts/fetch_wechat_article.py "url1,url2,url3" --output-dir ./output

仅输出元数据（不保存文件）： python scripts/fetch_wechat_article.py "https://mp.weixin.qq.com/s/xxxxx" --json

依赖安装 pip install beautifulsoup4 html2text requests

功能说明

获取文章并保存到本地 python scripts/fetch_wechat_article.py "<url>" --output-dir ./output 输出目录结构： output/<公众号名称>/<日期>_<标题>/ ├── index.html # 格式化的独立HTML文件 ├── article.md # Markdown版本 ├── meta.json # 文章元数据 └── images/ # 下载的图片
仅提取元数据 python scripts/fetch_wechat_article.py "<url>" --json 返回 JSON 包含：title（标题）、author（作者）、account_nickname（公众号名称）、description（摘要）、create_time（发布时间）、content_text（正文文本）、content_markdown（Markdown内容）、cover_image（封面图）、source_url（原文链接）。
批量下载多篇文章

空格分隔多个链接： python scripts/fetch_wechat_article.py "url1" "url2" "url3" --output-dir ./output

逗号分隔多个链接： python scripts/fetch_wechat_article.py "url1,url2,url3" --output-dir ./output

自定义下载间隔（默认3秒，避免触发反爬）： python scripts/fetch_wechat_article.py "url1" "url2" --interval 5

同一公众号的文章自动归类到同一目录下。

不下载图片 python scripts/fetch_wechat_article.py "<url>" --no-images
作为 Python 库调用 from scripts.fetch_wechat_article import fetch_article, batch_fetch

单篇获取并保存

result = fetch_article("https://mp.weixin.qq.com/s/xxxxx", output_dir="./output") print(result['title'], result['path'])

单篇仅获取元数据

meta = fetch_article("https://mp.weixin.qq.com/s/xxxxx", json_only=True) print(meta['title']) print(meta['content_text'][:200])

批量获取

urls = ["https://mp.weixin.qq.com/s/aaa", "https://mp.weixin.qq.com/s/bbb"] stats = batch_fetch(urls, output_dir="./output", interval=3.0) print(f"成功{stats['success']}篇, 失败{stats['fail']}篇")

主要函数参数： url：文章链接（支持短链接和长链接） output_dir：保存目录（默认：./wechat_articles） download_img：是否下载图片（默认：True） to_markdown：是否转换为 Markdown（默认：True） json_only：仅返回元数据字典，不保存文件

batch_fetch 额外参数： urls：文章链接列表 interval：每篇文章之间的下载间隔秒数（默认：3.0）

注意事项

优先使用短链接（/s/xxxxx）—— 带 __biz 参数的长链接可能触发验证码。批量下载时默认间隔3秒，可通过 --interval 调整，避免触发微信反爬机制。自动使用微信移动端 User-Agent 绕过访问限制。微信图片使用 data-src 属性（非 src），因为采用了懒加载。下载图片需要设置 Referer: https://mp.weixin.qq.com/ 请求头。 HTML 结构详情参见 references/wechat_html_structure.md。

技能介绍

单篇获取并保存

单篇仅获取元数据

批量获取