微信公众号文章提取器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/freestylefly-wechat-article-extractor-skill-101。
技能介绍
要解决什么问题
微信公众号正文散落在 mp.weixin.qq.com 单页里,标题、作者、发布时间往往嵌在脚本和 DOM 中,人工复制会丢格式,批量归档也难以统一字段。调研竞品、做内容复盘或把外链稿件纳入本地知识库时,需要稳定解析 URL 或已有 HTML,并区分图文、视频、语音、纯文字、转载等体裁。
技能如何工作
技能面向公众号文章页做结构化抽取,典型流程是:
- 从链接抽取:传入
mp.weixin.qq.com(或搜狗微信搜索结果页)文章 URL,发起请求并解析页面结构。 - 从 HTML 抽取:若你已保存整页 HTML,可直接解析,绕过部分重复拉取场景。
- 输出字段:文章侧包括标题、作者、摘要、发布时间、正文 HTML、封面图 URL;公众号侧包括名称、头像、别名、简介。
- 类型识别:根据页面内容自动判断
post、video、image、voice、text、repost等类型;部分字段在特定类型下可能为null。 - 错误语义:对删除、过期、频控、迁移、侵权下架、账号封禁等场景返回明确错误码(如 1004 访问过于频繁、2002 链接已过期、2005 发布者删除),便于下游分支处理而非静默失败。
实现上依赖 cheerio 做 HTML 解析、dayjs 格式化时间、request-promise 拉取页面,并针对微信常见反爬与版式变体做适配。
适用边界与注意点
- 页面结构与微信风控会变,部分文章只能拿到部分元数据。
- 自 2026-07-05 起该独立技能已并入
yuanzi-wechat-suite,extract.js迁至套件并由yuanzi.py extract统一调度;长期维护建议走元子公众号图文系列(读稿锚)的套件路径。 - 同名 slug 另有发布渠道,文档建议以
yuanzi-前缀版为准。
使用场景
- 竞品监测时把多篇 mp.weixin.qq.com 链接批量转成标题、作者、正文 HTML 入库
- 公众号转载复盘需要按发布时间、封面和摘要字段对齐历史稿件
- 已用浏览器保存文章整页 HTML,要在不重复请求的前提下抽取正文与账号信息
- 从搜狗微信搜索结果页拿到链接后,统一解析成结构化 JSON 供下游清洗
适合人员
- 做新媒体竞品档案的数据分析师,需要把微信外链沉淀成可检索字段
- 维护选题库的内容运营,要把他人公众号文章元数据对齐到内部 CMS
- 编写采集管道的后端工程师,需用明确错误码处理删文、过期和频控
- 使用元子公众号图文系列「读稿锚」的编辑,在读稿环节拉取稿件结构