微信公号文章提取器

为什么需要另一条抓取路径

微信公众号文章在 mp.weixin.qq.com 上常见两类失败：无头浏览器会触发「环境异常」验证码，而用 web_fetch 直接拉页面时，往往只拿到空壳或极短的 JS 渲染结果。若你只想把正文、配图和元数据落成可编辑的 Markdown，靠「再试一次直连」通常不够稳。

本技能的设计前提是：直连可走就走快路径；不行就去找聚合站镜像，再用脚本把 HTML 转成干净的 .md。

工作方式

输入主要是微信文章 URL；输出文件名与保存目录可选（默认标题 kebab-case、目录 /tmp/）。

典型流程可以概括为：

1. 直连试探：用 web_fetch 拉取；若 rawLength > 500 且正文像真实段落（而非页脚导航），则直接套用 Markdown 头模板交付。
2. 解析元数据：从页面或 og: 标签取标题、作者；拿不到标题时会向你确认。
3. 镜像检索：按优先级在 53ai.com、mp.ofweek.com、juejin.cn、woshipm.com、36kr.com 等站点找转载；标题未知时可配合 web_search（如 site:53ai.com）。
4. 下载与抽取：镜像页用 curl 落盘，校验体积（建议 >10KB，过小多半是跳转或错误页），再执行技能自带的 Python 抽取脚本；直连成功则只做格式化。
5. 质量自检：标题不能是占位名、段落要完整、图片 URL 有效、残留 HTML 不能过多；不理想就换镜像重试。

每篇文章会带上统一的 YAML 风格元数据头（来源 URL、标题、作者、日期等；无法确定的字段会省略，不写 "Unknown"）。

边界与注意点

• 会做：单篇提取、镜像发现、HTML→Markdown、保存 .md 并在控制台回报路径与字数。
• 不会做：批量爬多篇、微信登录/账号管理、翻译正文、自动同步到 Obsidian 等笔记应用（后者按你的路径自行拷贝即可）。
• 兜底：若完全找不到镜像，需你在 Chrome 打开文章并启用 OpenClaw Browser Relay 扩展，再由 browser 读取快照内容。
• 依赖：web_fetch、web_search、exec（curl + Python 3.8+）；超长文（>50K 字符）脚本可处理，但 web_fetch 可能截断。