# wechat-article-to-markdown
微信公众号文章抓取 & Markdown 转换工具。
使用 **Camoufox (反检测浏览器) + BeautifulSoup + markdownify** 将微信公众号文章转换为干净的 Markdown 文件，图片自动下载到本地。
## 功能
- 🦊 **反检测抓取** — 使用 Camoufox 反检测浏览器，避免微信 "环境异常" 验证页面
- 📄 **文章抓取** — 输入 URL，输出结构化 Markdown
- 🖼 **图片本地化** — 微信 CDN 图片并发下载到本地，Markdown 引用相对路径
- 💻 **代码块提取** — 正确处理微信 `code-snippet` 代码块，保留语言标识
- 📅 **元数据保留** — 标题、公众号名称、发布时间、原文链接
- 🧹 **格式清理** — 去除 ` `、多余空行、行尾空格
## 快速开始
### 推荐：使用 uv（零配置）
```bash
# 首次运行会自动安装依赖和 Camoufox 浏览器
uv run main.py "https://mp.weixin.qq.com/s/xxxxxxxx"
```
### 手动安装
```bash
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
python -m camoufox fetch
python main.py "https://mp.weixin.qq.com/s/xxxxxxxx"
```
输出目录结构：
```
output/
└── 文章标题/
├── 文章标题.md
└── images/
├── img_001.png
├── img_002.png
└── ...
```
## 输出示例
```markdown
# 文章标题
> 公众号: xxx
> 发布时间: 2026-02-28 11:42
> 原文链接: https://mp.weixin.qq.com/s/...
---
正文内容...
```
## 技术方案
| 功能 | 方案 |
|------|------|
| 页面抓取 | Camoufox (反检测 Firefox + Playwright) |
| HTML 解析 | BeautifulSoup |
| HTML → Markdown | markdownify |
| 图片下载 | httpx async + Semaphore 并发控制 |
### 微信文章 HTML 关键结构
| 元素 | 选择器 |
|------|--------|
| 标题 | `#activity-name` |
| 公众号名 | `#js_name` |
| 发布时间 | JS 变量 `create_time` |
| 正文 | `#js_content` |
| 图片 | `img[data-src]` (懒加载) |
| 代码块 | `.code-snippet__fix` |
## JS 版本
原始 JavaScript 版本保留在 [`js-version`](https://github.com/jackwener/wechat-article-to-markdown/tree/js-version) 分支。
## License
MIT