微信公众号文章抓取

要解决的问题

微信公众号文章常以移动端页面下发，正文可能被 #js_content { visibility: hidden } 隐藏；批量抓取时还可能遇到 IMA 的 220021 配额限制或 220030 文件级拒绝。这个技能面向需要离线阅读、备份/归档文章原始布局的场景，而不是把内容转成 Markdown。

工作方式和能力

• 支持单个 URL 或 IMA 知识库批量模式，批量筛选优先使用 media_id.startswith('wechatarticle_')。
• 抓取时通过移动端 MicroMessenger UA 获取完整 HTML，避免拿到约 10 KB 的精简版。
• 输出为独立 HTML 文件，保留 div、段落、引用、图片和代码块。
• 注入 4 类幂等修复：可见性覆盖、桌面布局适配、封面移除、无关元素剔除。
• 剔除分为 safe、normal、strict 三档，用于控制工具栏、二维码、广告、评论和 H5 组件的清理力度。

边界与注意点

适合已具备 URL 或 IMA 中 wechatarticle_ 资源的文章。若文章不在 IMA 且没有 URL，需先解决发现来源；纯 PDF、扫描件或图片正文应改用 OCR 类技能。批量运行前应先测试配额，不要盲目重试 220021，也不要尝试激进绕过 IMA 限制。