WeChat Article Grabber（微信公众号文章抓取 → Markdown + 图片）

把某个公众号的文章批量抓下来，正文转成 Markdown、图片落地到本地 images/ 目录。产出的就是纯 md + 图片，方便阅读、归档、二次加工。不做网页，也不做电子书——就这么简单。

何时触发本技能

• "抓取某公众号的文章" / "把这个号的所有文章下载下来"
• "导出这个公众号的所有文章链接" / "给我这个号的文章清单"
• "把这个公众号的合集文章全部保存"（作者把文章归入「合集」的情况）
• 用户丢来一条 mp.weixin.qq.com/s/... 文章链接，想批量拿同号内容

工作方法（免凭证，无需登录、无需抓包）

微信没有公开的文章列表 API，但公众号的「合集」(appmsgalbum) 是公开接口——任何人点开公众号合集都能看到，不需要 key / cookie / 抓包。本技能利用这个接口枚举某号的全部文章。

> 前提：该公众号建了「合集」（绝大多数号都有）。若作者一篇都没归合集，则本技能无法抓取其历史文章——这是有意为之的合规边界，不提供任何绕过方式（不登录、不抓包、不提取会话凭证）。

工作流（按这个顺序做）

1. 复制/定位脚本：技能自带 scripts/，可直接在该目录运行，或复制到任意工作区。
2. 导出链接清单（最快验证可行性）：python wx_grabber.py links "<文章链接>" --title "公众号名"
3. 抓合集全量正文：python wx_grabber.py album "<文章链接>" --download → 产出 articles/*.md + images/
4. 只抓单篇：python wx_grabber.py single "<文章链接>"

关键命令速查

# 导出该号所有合集的文章链接（md/csv/txt/html 四份）
python wx_grabber.py links "<任意一篇文章链接>" --title "公众号名"

# 直接抓某个合集的全部文章正文 -> articles/*.md + images/
python wx_grabber.py album "<任意一篇文章链接>" --download

# 抓列表，再分两步下正文（中断后可直接重跑 download，已抓的会跳过）
python wx_grabber.py album "<任意一篇文章链接>"
python wx_grabber.py download

# 只抓单篇（多个链接空格隔开）
python wx_grabber.py single "<链接1>" "<链接2>"

输出结构

output/<__biz>/
├── articles/*.md          # 每篇一个 Markdown，带 YAML front matter
├── images/                # 正文图片（原图落地）
├── links.md/csv/txt/html  # 链接清单（links 命令）
└── _articles.json         # 文章列表（album 产出，download 复用）

每篇 md 的 front matter 形如：

---
title: "文章标题"
account: "公众号名"
author: "作者"
published: "2026-09-24 19:00"
url: https://mp.weixin.qq.com/s?__biz=...&mid=...&idx=1&sn=...
digest: ""
images: 48
grabbed_at: 2026-10-03 07:15:47
---

> md 与 images/ 是同级目录，所以正文里的 ![](images/xxx.png) 直接就能显示，不需要改任何路径。

想要「最新 N 篇」怎么办

合集接口是「最旧 → 最新」升序返回的，所以 album --limit 20 拿到的是最旧 20 篇。
要最新 N 篇：先不带 --limit 拉全量列表，再把列表按时间倒序截取前 N 条，然后 download。

python wx_grabber.py album "<链接>"                 # 拉全量列表到 _articles.json
python - <<'PY'                                     # 截取最新 20 篇
import json, pathlib
p = pathlib.Path("output/<__biz>/_articles.json")
items = json.loads(p.read_text(encoding="utf-8"))
items.sort(key=lambda a: a.get("datetime") or 0, reverse=True)
p.write_text(json.dumps(items[:20], ensure_ascii=False, indent=2), encoding="utf-8")
PY
python wx_grabber.py download                        # 只下这 20 篇（会自动找到该目录）

完整参数与报错排查见 python wx_grabber.py --help（每个子命令都支持 -h）。

技术要点（写代码/改脚本时有用）

• 免凭证「合集」接口：mp.weixin.qq.com/mp/appmsgalbum?action=getalbum，翻页用 begin_msgid/begin_itemidx，返回 getalbum_resp.article_list，continue_flag 控制是否继续；最后一页 article_list 会变成单个字典而非数组（已做兼容）。
• 图片懒加载：真实地址在 data-src 而非 src；落地时按内容哈希命名到 images/，md 里改写成相对路径引用。
• 断点续传：列表存 _articles.json，正文进度存 _state.json，中断后重跑 download 会跳过已抓的。
• 必须用微信内置浏览器 UA（UA_WECHAT 常量），否则命中风控。

合规与安全（务必保留/告知用户）

• 本技能仅使用微信公开的「合集」浏览接口，不登录、不抓包、不提取任何会话凭证（key/cookie 等），从设计上规避越权自动化风险。
• 抓取内容仅供个人阅读/研究/归档，勿二次发布或商用；文章版权归原作者及公众号所有。
• 默认限速 6 秒 + 随机抖动；调太快会被风控，反而更慢。
• 批量抓取可能违反微信服务条款，请用户自行评估风险、控制频率，不对平台造成压力。
• 本技能不含任何凭证；脚本不对外发送任何用户数据。