微信公众号文章读取器

何时触发

• 用户给出 https://mp.weixin.qq.com/s/... 或 https://weixin.qq.com/... 链接
• 用户说"这篇公众号文章 / 微信文章 / 推文 / 文章链接"
• WebFetch 返回的公众号页面只有标题、缺正文、出现安全验证提示
• 用户要把公众号文章保存为 markdown

快速流程

python3 scripts/fetch_wechat.py "<url>"

默认输出这些 sentinel 区块（直接基于 ===BODY=== 总结，不要重新抓取）：

• ===TITLE===
• ===ACCOUNT===
• ===AUTHOR===
• ===DATE===
• ===BODY===

其它格式：

python3 scripts/fetch_wechat.py "<url>" --format json        # 结构化，含 method/body_source 便于溯源
python3 scripts/fetch_wechat.py "<url>" --format markdown -o article.md   # 存盘

失败处理

脚本 --mode auto（默认）会自动决定：urllib 抓取 → 若正文过薄或命中拦截标记 → 自动切 playwright（如已安装）。仍失败时输出 NO_CONTENT 并提示。此时：

1. 手动另存 HTML 再喂给脚本：在浏览器打开原文，另存为 .html，然后：

   python3 scripts/fetch_wechat.py --html saved.html --format json
   

2. 安装 playwright 后重试：

   pip install playwright && python3 -m playwright install chromium
   

若两种都不行（如付费墙、登录后、私信文章），如实告诉用户当前页面无法自动读取，请他提供粘贴正文 / 导出 HTML / PDF。

浏览器兜底（高级）

当需要基于真实渲染页面核验时，可强制浏览器模式：

python3 scripts/fetch_wechat.py "<url>" --mode browser

浏览器中可用的核验信号与精确提取选择器见 references/fallbacks.md。

强约束（必须遵守）

• 不要用 WebFetch / Read 直接抓原始公众号 HTML — 经常是单行 + 反爬壳，浪费 token 必失败
• 不要重复抓同一个 URL — 复用已有 HTML（--html）或上一次的输出
• 不要在搜索引擎、镜像站、转载页试 — 用户给的是原始链接就用原始链接
• 不要调用 cookie 抓包、token 接口、Fiddler 类流程 — 不在 skill 范围内
• 不要尝试登录后内容、付费墙、私信文章 — 如实告诉用户无法自动读取
• 一次只读一篇文章 — 避免高频触发反爬

输出要求

• 总结时带标题、账号、作者、发布日期（脚本已给，复制即可）
• 区分"原文事实"和"基于上下文的推断"
• 可靠性敏感场景下，注明来源是快路径（simple）还是浏览器兜底（browser）——json 输出的 method 字段会告诉你
• 只看到部分内容时明确说明，不要装作看完整篇
• 用户问"怎么拿到的"时，如实说明路径（urllib / playwright / 手动另存 HTML）

安装（给安装者看）

本 skill 安装到 Claude Code 的 skills 目录后即可被识别。skill 的 name 字段为 wechat-mp-article-reader，需放置在 ~/.claude/skills/wechat-mp-article-reader/（目录名与 name 一致）。详见 README.md 的"安装"一节。