mcpField
W
wechat-article-extractor

wechat-article-extractor

github.com/freestylefly数据与数据库1403.9k 次安装36 周前更新
代码仓库

关于 wechat-article-extractor

wechat-article-extractor 是用于从微信公众号文章链接或 HTML 中提取内容与元数据的工具，适合处理文章采集和解析的开发场景。它可识别多种文章类型，并提供针对失效、删除及访问受限等情况的错误信息。

主要功能

  1. 01解析微信公众号文章链接
  2. 02提取文章及公众号元数据
  3. 03获取文章 HTML 与封面图
  4. 04识别多种文章类型
  5. 05处理访问与内容错误

适用场景

  1. 01采集文章标题、作者和发布时间
  2. 02从 HTML 页面解析文章内容
  3. 03识别已删除或过期的文章

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/freestylefly/wechat-article-extractor-skill --skill wechat-article-extractor

安装后在 Claude Code 中输入/wechat-article-extractor确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

.gitignore
README.md
package.json
convert.js
package-lock.json
scripts/
errors.js
extract.js

详细介绍

微信文章提取器

提取微信公众号文章的元数据和内容。

功能

  • 解析微信文章 URL（mp.weixin.qq.com）
  • 提取文章元数据：标题、作者、描述、发布时间
  • 提取公众号信息：名称、头像、别名、描述
  • 获取文章内容（HTML）
  • 获取封面图片 URL
  • 支持多种文章类型：文章、视频、图片、语音、文本、转载
  • 处理各种错误情况：内容已删除、链接已过期、访问受限

用法

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

const result = await extract('https://mp.weixin.qq.com/s?__biz=...');
// Returns: { done: true, code: 0, data: {...} }
从 HTML 提取
const html = await fetch(url).then(r => r.text());
const result = await extract(html, { url: sourceUrl });
选项
const result = await extract(url, {
  shouldReturnContent: true,      // Return HTML content (default: true)
  shouldReturnRawMeta: false,     // Return raw metadata (default: false)
  shouldFollowTransferLink: true, // Follow migrated account links (default: true)
  shouldExtractMpLinks: false,    // Extract embedded mp.weixin links (default: false)
  shouldExtractTags: false,       // Extract article tags (default: false)
  shouldExtractRepostMeta: false  // Extract repost source info (default: false)
});

响应格式

成功响应
{
  done: true,
  code: 0,
  data: {
    // Account info
    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",

    // Article info
    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",

    // Link params
    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

代码消息描述
1000文章获取失败常规失败
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响应为空响应为空
1004访问过于频繁请求频率受限
1005脚本解析失败脚本解析错误
1006公众号已迁移公众号已迁移
2001请提供文章内容或链接缺少输入
2002链接已过期链接已过期
2003内容涉嫌侵权内容已删除（版权原因）
2004无法获取迁移后的链接获取迁移链接失败
2005内容已被发布者删除内容已被作者删除
2006内容因违规无法查看内容已被屏蔽
2007内容发送失败发送失败
2008系统出错系统错误
2009不支持的链接不支持的 URL
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账号已被屏蔽账号已被屏蔽
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冒名侵权冒充他人

依赖项

必需的 npm 包：

  • cheerio - 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

备注

  • 可处理各种微信页面结构和反爬措施
  • 根据页面内容自动检测文章类型
  • 支持从搜狗微信搜索结果（weixin.sogou.com）中提取
  • 某些字段可能因文章类型和页面结构而为空（null）

评论

支持 Markdown