微博下载工具使用指南
概述
此工具使用 Playwright 自动化浏览器来下载微博内容，包括：
- 支持下载微博收藏、本人微博、他人微博
- 图片（支持九宫格排列，支持多种尺寸：360px、480px、690px、2000px、原图 large）
- 视频（可选下载， 默认最高质量）
- 长文章（可选下载）
- Markdown 双向链接 - 在保存的 Markdown 文件中添加"前一条"和"下一条"导航链接，方便浏览
请正确使用本技能，用于微博收藏、个人数据备份或者关注博主的内容备份保存。不能用于大规模的商业数据采集。
前置要求
- Python 环境：需要 Python 3.8+
- 依赖安装：
bash pip install playwright playwright install chromium
Script Directory
Determine this SKILL.md directory as {baseDir}.
| Script | Purpose |
|---|---|
weibo_favorites_4skill.py |
Main python script entry point |
使用流程
- 检查 {baseDir}/cookies.json 文件是否存在, 或 {baseDir}/user_data_dir or user input user_data_dir 是否存在且包含有效的用户数据
- 如果用户cookies数据不存在，或者用户没有提供 target url, 则提示用户: 我将运行script以打开浏览器，请在60秒内完成登录，并进入需要下载的页面：收藏页 / 本人主页 / 他人主页。
- 完成提示后再使用命令脚本下载微博收藏内容， 第一次下载可以用无参数运行快速得到预览结果。
- 如果用户提供--url参数， 且用户cookies数据存在，则参照日常使用命令示例，不提示用户直接运行下载脚本。
- 运行完成后，提示用户输出目录的具体位置
注意 ： 如果不存在/cookies.json，或者用户没有提供 target url， 一定不能直接运行下载脚本， 你要分两步， 先提示用户再运行。
常用命令示例
首先提示用户在60秒内完成登录，并进入需要下载的页面：收藏页 / 本人主页 / 他人主页。
完成提示后再使用命令脚本下载微博收藏内容， 第一次下载可以用无参数运行快速得到预览结果。
如果用户提供--url参数， 且{baseDir}/cookies.json 文件存在，则推荐使用headless 模式。
基础使用（下载10条记录，360px图片， 不下载视频， 推荐给用户首次使用，可以快速得到预览结果）
python {baseDir}/weibo_favorites_4skill.py
注： 不提供output-dir参数，默认输出到skill脚本所在目录下的output目录。
日常使用（推荐配置， 推荐给用户后续的日常使用，headless 模式，下载600条记录包括高清图片，视频，长文章， 跳过已存在的记录 ）
python {baseDir}/weibo_favorites_4skill.py \
--image-size large \
--download-video \
--download-article \
--max-download 600 \
--skip-existing \
--headless
参数说明
| 参数 | 说明 | 默认值 |
|---|---|---|
--url |
目标微博用户主页或收藏页面URL | https://weibo.com |
--max-download |
最大下载数量 | 10 |
--skip-existing |
跳过已存在的记录 | False |
--image-size |
图片尺寸：360/480/690/2000/large | 360 |
--download-video |
下载视频到本地 | 开关参数，不需要指定值，无此参数则只保留视频链接 |
--download-article |
下载长文章到本地 | 开关参数，不需要指定值，无此参数则只保留文章链接 |
--batch-size |
分批次每次下载记录数 | 20 |
--headless |
无头模式（不显示浏览器） | 开关参数，不需要指定值，无此参数则显示浏览器窗口 |
--user-data-dir |
浏览器用户数据目录 | 无此参数默认使用 cookies.json |
--output-dir |
自定义输出目录 | python脚本所在目录下的output目录 |
输出目录结构
output/
├── pictures/ # 图片目录
│ └── {record_id}/ # 每条微博的图片
├── videos/ # 视频目录
├── articles/ # 长文章目录
│ └── pictures/ # 文章中的图片
└── {author}_{date}_{id}.md # 微博内容Markdown文件
工作流程
- 启动浏览器：根据参数选择启动方式
- 检查登录状态：如需要登录，提示用户手动登录
- 滚动页面：自动滚动加载更多微博
- 提取数据：解析微博内容、图片、视频链接
- 下载资源：下载图片、视频到本地
- 生成 Markdown：保存微博文本和图片引用
注意事项
- 首次登录：不能使用 headless 模式，需要看到浏览器窗口进行登录
- 登录状态：建议定期更新 cookies 或用户数据目录，避免登录过期
- 下载限制：微博可能有反爬限制，建议合理设置下载数量
- 网络环境：确保网络可以正常访问微博
- 存储空间：下载大量高清图片和视频需要足够的磁盘空间
故障排除
登录问题
- 检查网络连接
- 尝试删除 cookies.json 或 browser_data 目录重新登录
- 确保没有开启 VPN 或代理导致访问异常
下载失败
- 检查磁盘空间
- 检查目录权限
- 尝试降低
--max-download数量
浏览器启动失败
- 确保已运行
playwright install chromium - 检查系统是否支持 Chromium 运行
