（4695期）微信公众号阅读器 – 公众号文章一键提取，结构化归档

公众号文章一键提取，结构化归档 提取微信公众号文章内容，支持动态渲染与结构化输出，内置多层SSRF防护机制，适合内容归档与知识管理场景。 使用说明 核心用法 微信阅读器（weixin-reader）是一款专门用于提取微信公众号文章内容的自动化工具。用户只需发送微信公众号文章链接（https://mp.weixin.qq.com/s/xxxx），系统即可自动完成内容抓取并返回结构化的 Markdown 格式数据。 该工具采用 Playwright 驱动 Chromium 浏览器进行渲染，能够处理 JavaScript 动态加载的内容，确保完整提取文章正文。提取结果包含标题、作者、公众号名称、发布时间、正文内容等核心字段，v1.1.0 版本还新增了字数统计、段落数、图片数、预估阅读时间等元数据信息。 显著优点 动态内容处理能力：基于 Playwright 的完整浏览器模拟，可渲染现代网页的 JavaScript 动态内容，比传统静态抓取工具适用范围更广。 结构化输出格式：返回 JSON 结构包含 metadata、content、stats 三部分，便于后续程序化处理和知识库归档。 多层安全防护：内置 SSRF 防护机制，通过 DNS 解析验证阻止内网地址访问（包括 localhost、私有网段及 DNS 重绑定攻击），安全等级较高。 模块化设计：提供标准模式（extract.py）、反爬增强模式（extractstealth.py）和通用网页提取模式（extractgeneric.py），用户可根据场景灵活选择。 潜在缺点与局限性 依赖复杂度高：需要 Python 3.8+、Playwright 及 Chromium 浏览器环境，首次部署时需下载约百兆级别的浏览器二进制文件。 反爬增强模式的合规风险：playwright-stealth 模式虽然能提升抓取成功率，但明确标注"可能违反某些网站 ToS"，存在潜在法律与合规风险。 性能开销较大：完整浏览器渲染相比轻量级 HTTP 请求方式资源消耗更高，不适合高频批量抓取场景。 平台依赖性：主要针对微信公众号域名（mp.weixin.qq.com）优化，对其他网站的支持属于附加功能。 适合人群 需要定期归档微信公众号文章的内容运营人员 构建个人知识库、进行文章二次整理的研究者 希望将微信文章导入 Notion/Obsidian 等笔记工具的效率工具用户 对内容安全有要求、需要规避 SSRF 风险的企业场景 常规风险 服务条款冲突：微信公众号内容受腾讯平台规则约束，大规模自动化抓取可能触发账号限制或封禁。 版权与隐私问题：提取的文章内容可能涉及版权保护，用户需自行确保使用目的合法合规；同时应注意不处理包含敏感个人信息的非公开文章。 反爬增强模式的使用边界： stealth 模式通过技术手段隐藏自动化特征，虽提升了成功率，但实质上可能构成对平台反爬机制的规避，建议在个人学习、合理引用等场景审慎使用。 依赖维护风险：Playwright 及 Chromium 版本更新可能导致兼容性问题，需要持续关注依赖更新。 原始说明 提取微信公众号文章内容，支持任意公众号文章链接的内容抓取和结构化输出。