WeChat Article Pipeline

一个自包含的工作流 skill：输入微信文章链接，输出整理后的 Markdown 文章目录。

使用场景

• 用户提供了 mp.weixin.qq.com 文章链接
• 需要直接产出 Markdown，不想再手动串联多个 skill
• 需要把技能复制到别的项目或分享给别人使用

使用方法

python scripts/wechat_article_pipeline.py <wechat_article_url> [--output-dir <目录>] [--save-html]

示例

python scripts/wechat_article_pipeline.py "https://mp.weixin.qq.com/s/xxxxxx" --output-dir "./articles"

如需同时保留抓取后的清洗版 HTML：

python scripts/wechat_article_pipeline.py "https://mp.weixin.qq.com/s/xxxxxx" --output-dir "./articles" --save-html

工作流

执行时按以下步骤完成：

1. 请求微信文章页面
2. 提取标题、作者、公众号名称和正文区域
3. 修复微信文章懒加载图片地址
4. 下载正文图片到本地输出目录
5. 将正文转换为 Markdown
6. 先执行脚本内置的 Markdown formatter，清理标题、空行、无效链接、缺失图片和公众号噪音内容
7. 如果当前环境存在 markdown-formatter skill，再对生成的 Markdown 自动执行一次 markdown-formatter 规则清理
8. 输出文章目录、Markdown 路径和处理摘要

输出结构

articles/
├── 01_文章标题/
│   ├── 文章标题.md
│   ├── source.html
│   ├── image_01.jpg
│   ├── image_02.png
│   └── ...

说明：

• 目录自动按序号递增，例如 01_、02_、03_
• Markdown 文件名与目录标题保持一致
• 使用 --save-html 时才会额外输出 source.html

参数

• <wechat_article_url>：微信文章链接
• --output-dir：输出目录，默认: {工作区}/articles
• --workspace-dir：工作区目录，默认自动检测
• --save-html：是否保存清洗后的 HTML 文件
• --timeout：请求超时秒数，默认 30

工作区检测

脚本会按以下优先级检测工作区目录：

1. --workspace-dir 参数
2. 环境变量 WORKSPACE_DIR
3. 环境变量 PROJECT_ROOT
4. 环境变量 CLAUDE_WORKSPACE
5. 当前工作目录

文章默认输出到 {工作区}/articles/ 目录下。

依赖

• Python 3.9+
• requests

安装依赖：

pip install requests

输出摘要

脚本完成后会输出：

• 文章标题
• 作者与公众号信息
• 输出目录
• Markdown 文件路径
• 下载图片数量
• 格式化修改摘要

注意事项

• 该 skill 为独立实现，不依赖其它 skill
• 若当前项目里存在 markdown-formatter skill，使用本 skill 时应在脚本生成 Markdown 后自动补一遍 markdown-formatter
• 主要面向微信公众文章页面结构，普通网页不保证完全适配
• 若文章受限、被删除或需要登录，抓取会失败
• Markdown 会直接写入输出目录中的目标文件