公众号信息提取与溯源
看到一篇公众号文章，想知道这是哪个号发的？想拿到这个号的长期有效入口（而不是会失效的文章链接）？
给它一篇文章链接就够了。也可以给一个另存的网页文件，或一整份链接清单。
只需记住两件事：查得到是哪个号，拿得到一张永不失效的主页二维码。
一分钟上手
/wechat-mp-info <你手上的公众号文章链接>
就这么一句。你会先看到 → 识别为公众号：<该号名称>，置信度 高，
然后拿到一份溯源表（名称 / 原始 ID / biz / 主页链接 / 文章标题 / 发布时间）。
加上 --qr 主页码.svg 就同时得到二维码。
没有链接也行：把文章页另存为 HTML 文件，把文件名当输入，全程离线。
何时用
- 溯源与核验：「这篇爆款文章是哪个号发的？」「帮我确认下这篇文章到底出自哪个公众号」
- 拿到长期入口：要把某个号的入口印在海报、名片、展板、问卷上，需要不会失效的主页二维码
- 批量编目：手上有一批文章链接，要整理成一张「链接 → 公众号」的对照表（Excel 可直接打开）
- 断网环境：内网或无外网时，把文章页源码存成文件，用离线模式照样出结果
何时不该用
| 你可能想要的 | 本技能能做吗 | 该用什么 |
|---|---|---|
| 查出是哪个号、拿到主页二维码 | 可以 | 就用本技能 |
| 读取/总结文章正文内容 | 不可以 | 用文档解析类技能 |
| 给公众号发消息、留言、关注 | 不可以 | 不属于本技能能力范围 |
| 抓取文章阅读量、点赞数、评论 | 不可以 | 这些不在公开 HTML 里，需在后台查看 |
| 判断文章真伪、评价内容质量 | 不可以 | 本技能只做身份提取，不做内容判断 |
| 抓取非微信平台的文章 | 不可以 | 本技能只处理 mp.weixin.qq.com 文章页 |
怎么用
拿技能包里自带的示例文件跑一遍——不联网、不需要自己准备素材，产出与下面的表逐字一致：
/wechat-mp-info examples/离线解析示例.html --out 溯源.md --qr 主页码.svg
运行后提示 → 识别为公众号：示例公众号，置信度 高，得到一份溯源表：
| 字段 | 值 |
|---|---|
| 公众号名称 | 示例公众号 |
| 原始 ID | gh_d58547201f64 |
| biz | MzkwNTU5MzQwNQ== |
| 主页链接 | https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzkwNTU5MzQwNQ%3D%3D&scene=124#wechat_redirect |
| 文章标题 | 示例文章：如何把一件小事讲清楚 |
| 发布时间 | 2026-08-20 09:30:00 |
> 示例文件里是虚构账号，只用来对照输出格式。把输入换成你自己的文章链接、
> 或另存下来的文章页 HTML，其余完全一样。
外加一张 主页码.svg —— 中心就是该号头像（取不到时用内置标识），
扫码直达公众号主页，文章以后被删也不受影响。
换个输入
| 你的情况 | 怎么给 |
|---|---|
| 一篇正常文章 | 直接给文章链接（上面这种） |
| 内网、被风控、想断网跑 | 浏览器打开文章 → Ctrl+U 复制源码 → 存成 article.html，把文件名当输入 |
| 手里是一批链接 | 每行一个写进 list.txt，输入写成 batch list.txt，产出 CSV 对照表 |
三种输入自动判别，不用记参数。想跳过自动判别时用显式子命令：
/wechat-mp-info url <链接>、html <文件>、batch <清单>。
输出格式（看文件名后缀）
| 后缀 | 得到什么 | 适合 |
|---|---|---|
.md |
Markdown 溯源报告 | 单条提取的默认产出，便于归档 |
.csv |
表格（Excel 双击即开，不乱码） | 批量结果的默认产出 |
.json |
结构化数据 | 接其它程序继续处理 |
.html |
自包含网页，断网也能打开 | 直接发给别人看 |
不写 --out 就打印到屏幕。
二维码
只有一种产物：中心带图案的二维码，三档优先级自动选：
- 该号头像（正常情况）——扫码出来的码带着这个号的脸，辨识度最高
- 内置默认图标——拿不到头像时用
- 内置矢量标识——连内置图标的素材文件都不在包里时（部分分发渠道只收文本文件）用纯代码绘制
无论哪一档，中心一定有图案，不会出现一张没有辨识度的纯码。带图案时容错等级固定 H 级
（可容忍约三成污损），不影响扫码。
--qr 写 .svg 得到矢量图，放大不糊，适合印刷；写 .png 则是位图。建议印刷尺寸不小于 2.5 cm。
常用选项
| 选项 | 作用 | 默认 |
|---|---|---|
-o, --out <路径> |
结果写入文件，后缀决定格式 | 打印到屏幕 |
-f, --format <格式> |
显式指定 md / json / csv / html |
单条 md，批量 csv |
--qr <路径或目录> |
输出主页二维码；批量时写成目录 | 不生成 |
--concurrency <n> |
批量并发，1–8 | 3 |
--delay <毫秒> |
批量每条之间的间隔 | 600 |
--timeout <毫秒> |
单条抓取超时 | 20000 |
--no-cache |
忽略本机 6 小时缓存，强制重新抓取 | 走缓存 |
-j, --json |
结果以 JSON 打到标准输出 | 关 |
-q, --quiet |
不打印进度提示 | 关 |
常见问题 FAQ
Q1：扫码出来是主页，不是这篇文章？
这是设计如此。 文章链接会失效（被删、被取关），主页链接不会。你要的"这个号去哪找"就是这个主页。
如果确实需要文章本身，请自行保存原文。
Q2：抓取失败 / 提示被拦截（退出码 4）怎么办？
公众号对频繁访问有风控。三种办法：
① 等几分钟再试；② 加 --delay 2000 放慢批量节奏、--concurrency 1 降并发；
③ 走离线模式——浏览器打开文章 → Ctrl+U 复制源码 → 存成 HTML → 用文件名当输入。
离线模式完全不走网络，风控管不着。
Q3：二维码扫不出来？
先确认不是打印尺寸太小——建议不小于 2.5 cm。中心带图案时容错等级是 H 级（可容忍约三成污损），
一般没问题的。若是在屏幕上扫，放大一点再试；若印在反光材质上，换哑光材质。
Q4：二维码中心没有头像，是个通用图标？
说明这个号的头像没抓到（头像地址失效，或该号没设置头像）。此时会用内置图标兜底——
这是正常的降级，不是故障，扫码照样直达主页。
Q5：批量跑一半失败了，前面的白跑了吗？
没有。批量结果会写进 CSV，成功的行照样保留，失败的行会标注原因。可以只把失败那几行挑出来重跑。
Q6：同一个链接跑两次，结果会不会变？
6 小时内走本机缓存，结果一致。想强制重抓加 --no-cache。
如果公众号改了名或换了头像，重抓就会反映出来。
Q7：要账号、Cookie 或密钥吗？
都不要。文章页是公开页面，本技能不带任何凭证，也不会向第三方发送你的数据。
Q8：能离线用吗？
能，而且推荐在内网用。把文章页源码存成 HTML 文件，把文件名当输入即可——
不联网、不触发风控、结果一样准。
Q9：能提取文章的阅读量、点赞数吗？
不能。这些数字不在公开 HTML 里，只有号主在后台能看到。本技能只提取身份信息。
Q10：清单里有的行带了别的文字，会失败吗？
不会。脚本会自动从行里抠出链接，以 # 开头的行和空行会被忽略，重复链接自动去重。
Q11：拿到 biz 但没拿到原始 ID（gh_）？
正常。不同页面形态暴露的字段不同，能拿到什么就写什么，缺失字段会留空而不会编造，
置信度评级也会相应下调（高/中/低）。
Q12：公司内网完全没外网，能用吗？
可以，但需要用离线模式（本地 HTML 文件）。联网抓取路径需要能访问 mp.weixin.qq.com。
常见错误用法
| ❌ 这样不行 | ✅ 应该这样 | 为什么 |
|---|---|---|
| 指望它总结文章内容 | 用文档解析类技能 | 本技能只做身份提取，不读正文 |
| 把它当"取关后还能看文章"的工具 | 主页链接只保证入口不失效 | 文章本身被删就没了，主页还在 |
| 一次性丢几百条链接硬跑 | 分批跑，配 --delay / --concurrency 1 |
触发风控后整批都受影响 |
| 内网环境直接给链接 | 先另存 HTML，再给文件名 | 联网抓取走不通 |
拿 --qr 输出的 PNG 去大幅印刷 |
印大尺寸时用 .svg |
位图放大会糊，矢量不会 |
| 认为字段缺失就是提取失败 | 看置信度评级：低就说明暴露的字段少 | 不同页面形态字段本来就不同 |
出错时怎么办
退出码是稳定的对外契约，脚本不会只丢一句"出错了"：
| 退出码 | 含义 | 怎么办 |
|---|---|---|
0 |
成功 | — |
1 |
其他错误 | 看提示里的原因 |
2 |
用法/链接不合法 | 检查链接是不是 mp.weixin.qq.com 的文章页链接 |
3 |
抓取失败 | 检查网络；或改用离线 HTML 模式 |
4 |
被拦截（风控） | 放慢节奏等几分钟，或改用离线模式（见 Q2） |
5 |
未能识别 | 页面里没有身份信息，确认存的是文章页而不是公众号首页 |
不敲命令也行
assets/公众号信息提取工具.html 是零依赖的单文件网页工具，双击就能在浏览器打开：
粘贴源码提取、生成带中心头像的二维码。拷到断网机器上同样能用。
自检
担心技能在当前环境能否正常工作？无需联网即可自检：
node scripts/selftest.mjs
覆盖解析规则、字段校验、二维码生成、CSV/Markdown 渲染、退出码映射等 76 项断言，全离线运行。
素材是否随包分发属于打包形态，相关断言会显式跳过并说明原因，不会伪装成失败。
