mp-weixin

微信文章提取器 - Python 版本

使用 Python 提取微信公众号文章的标题、作者、内容、发布时间等元数据。

✅ 核心优势

相比 JavaScript 版本，Python 版本有以下优势：

✅ 无需 npm 依赖：只用 Python 标准库 + 常用 pip 包 ✅ 安装快速：pip 安装 beautifulsoup4 请求s lxml 即可完成 ✅ 绕过验证码：使用微信 User-代理，提高访问成功率 ✅ 轻量级：脚本仅 10KB，无复杂依赖 ✅ 易维护：Python 代码更易读易改 📦 依赖安装 pip 安装 beautifulsoup4 请求s lxml

或使用国内镜像加速：

pip 安装 beautifulsoup4 请求s lxml -i https://pypi.tuna.tsinghua.edu.cn/simple

🚀 使用方法 基本用法 python3 scripts/wechat_提取器.py <微信文章 URL>

示例 # 提取单篇文章 python3 scripts/wechat_提取器.py "https://mp.weixin.qq.com/s/xN1H5s66ruXY9s8aOd4Rcg"

# 在 Python 脚本中调用 from scripts.wechat_提取器 导入 WeChatArticle提取器

提取器 = WeChatArticle提取器() 结果 = 提取器.提取('https://mp.weixin.qq.com/s/xxx')

if 结果['done']: print('标题:', 结果['data']['msg_title']) print('作者:', 结果['data']['msg_author']) print('内容:', 结果['data']['msg_content'][:500])

📊 输出数据说明 成功响应 { "done": true, "code": 0, "data": { // 文章信息 "msg_title": "文章标题", "msg_desc": "文章摘要", "msg_content": "

", "msg_cover": "封面图 URL", "msg_author": "作者", "msg_type": "post", "msg_publish_time_str": "2026/03/14 10:30:00", "msg_link": "文章链接", // URL 参数 "msg_mid": "mid 参数", "msg_idx": "idx 参数", "msg_sn": "sn 参数", "msg_biz": "__biz 参数", // 公众号信息 "account_name": "公众号名称", "account_alias": "微信号", "account_id": "原始 ID", "account_description": "功能介绍", "account_avatar": "头像 URL", // 版权信息 "msg_has_copyright": true } }

错误响应 { "done": false, "code": 1002, "msg": "请求超时" }

⚠️ 错误码说明 错误码 说明 解决方案 1001 无法获取文章信息 检查 URL 是否正确 1002 请求失败/超时 检查网络连接，稍后重试 2006 需要验证码 微信反爬机制，稍后重试或使用已登录会话 2008 系统出错 查看错误详情，联系开发者 🎯 使用场景

✅ 适用场景：

提取微信公众号文章内容 获取文章元数据（标题、作者、发布时间） 批量采集微信文章 监控特定公众号更新 微信文章归档

❌ 不适用场景：

需要访问需要登录的付费文章 需要绕过微信验证码的批量采集 需要提取评论区内容 💡 最佳实践

• 批量提取

urls = [ 'https://mp.weixin.qq.com/s/xxx1', 'https://mp.weixin.qq.com/s/xxx2', 'https://mp.weixin.qq.com/s/xxx3', ]

提取器 = WeChatArticle提取器(timeout=30)

for url in urls: 结果 = 提取器.提取(url) if 结果['done']: print(f"✅ {结果['data']['msg_title']}") else: print(f"❌ {url}: {结果['msg']}") # 避免请求过快 导入 time time.sleep(1)

• 保存为 JSON

导入 json

结果 = 提取器.提取(url)

with open('article.json', 'w', encoding='utf-8') as f: json.dump(结果, f, ensure_ascii=False, indent=2)

• 提取纯文本内容

from bs4 导入 BeautifulSoup

结果 = 提取器.提取(url) html_content = 结果['data']['msg_content']

# 转为纯文本 soup = BeautifulSoup(html_content, 'lxml') text_content = soup.获取_text(separator='\n', strip=True) print(text_content)

🔧 高级配置 自定义请求头 提取器 = WeChatArticle提取器(timeout=60) 提取器.会话.headers.更新({ 'User-代理': '自定义 User-代理' })

使用代理 提取器 = WeChatArticle提取器(timeout=30) 提取器.会话.proxies.更新({ 'http': 'http://127.0.0.1:7890', 'https': 'http://127.0.0.1:7890' })

📝 注意事项

验证码问题：微信有反爬机制，频繁访问可能触发验证码，建议：

控制请求频率（每秒不超过 1 次） 使用固定的 User-代理 必要时使用已登录的 Cookie

内容完整性：部分文章可能包含视频、音频等多媒体内容，HTML 内容中会保留引用链接

发布时间：微信文章的发布时间可能无法精确提取，部分文章只能获取大致日期

公众号信息：公众号详细信息（微信号、原始 ID 等）需要从页面 JavaScript 中提取，可能不完整

🆚 与 JavaScript 版本对比 特性 Python 版本 JavaScript 版本 依赖 pip (bs4, 请求s) npm (cheerio, 请求-promise) 安装速度 快（<30 秒） 慢（可能超时） 代码量 ~300 行 ~600 行 可维护性 高 中 验证码处理 使用微信 UA 绕过 需要额外配置 推荐度 ⭐⭐⭐⭐⭐ ⭐⭐⭐ 📚 示例输出 正在提取文章：https://mp.weixin.qq.com/s/xN1H5s66ruXY9s8aOd4Rcg

---

✅ 提取成功！

📰 文章标题：4B 参数实现理解、推理、生成、编辑一体化！InternVL-U 重磅开源 👤 作者：书生 Intern 📢 公众号：书生 Intern ⏰ 发布时间：2026/03/14 10:30:00 📝 文章摘要：重新定义统一多模态模型的 "效率 - 性能" 边界。 🖼️ 封面图：https://mmbiz.qpic.cn/mmbiz_jpg/... 📄 文章类型：post 🔗 文章链接：https://mp.weixin.qq.com/s/xN1H5s66ruXY9s8aOd4Rcg

📊 公众号信息: - 名称：书生 Intern - 微信号：未设置 - 原始 ID: 未设置 - 功能介绍：未设置

📝 文章内容长度：129134 字符

💾 详细数据已保存到：/tmp/wechat_article.json

🔗 相关链接 微信公众号平台 BeautifulSoup 文档 请求s 文档

Python 版本 by bozoyan · 2026-03-14 · 专为 CoPaw 优化 📰✨