bzd6661/wechat-article-for-ai

Conversor de Artículos de WeChat a Markdown

Qué hace esta herramienta

Convierte artículos de cuentas públicas de WeChat en archivos Markdown limpios con:

• YAML frontmatter (título, autor, fecha, URL de origen)
• Imágenes descargadas localmente
• Bloques de código preservados con detección de lenguaje
• Extracción de referencias de audio/video
• Formato limpio (sin ruido de la interfaz de WeChat)

Prerrequisitos

• Python 3.10+
• Instalar dependencias: pip install -r requirements.txt
• El navegador Camoufox se descargará automáticamente en la primera ejecución

Uso

CLI (artículo individual)

python main.py "https://mp.weixin.qq.com/s/ARTICLE_ID"

CLI (lote desde archivo)

python main.py -f urls.txt -o ./output -v

Opciones de CLI

Flag	Descripción
-f FILE	Archivo de texto con URLs (una por línea)
-o DIR	Directorio de salida (predeterminado: ./output)
-c N	Concurrencia de descarga de imágenes (predeterminado: 5)
--no-images	Omitir descarga de imágenes, mantener URLs remotas
--no-headless	Mostrar el navegador (para resolver CAPTCHAs)
--force	Sobrescribir salida existente
--no-frontmatter	Usar metadatos en blockquote en lugar de YAML
-v	Registro detallado/de depuración

Servidor MCP

Ejecutar como servidor MCP para integración con herramientas de IA:

python mcp_server.py

Expone dos herramientas:

• convert_article(url, output_dir, download_images, concurrency, use_frontmatter) — Convierte un artículo individual
• batch_convert(urls, output_dir, download_images, concurrency) — Convierte múltiples artículos

Configuración MCP (para claude_desktop_config.json o similar)

{
  "mcpServers": {
    "wechat-to-md": {
      "command": "python",
      "args": ["mcp_server.py"],
      "cwd": "<ruta-a-este-proyecto>"
    }
  }
}

Estructura de Salida

output/
  <título-del-artículo>/
    <título-del-artículo>.md    # Archivo Markdown con YAML frontmatter
    images/
      img_001.png
      img_002.jpg
      ...

Problemas Comunes

• Página CAPTCHA/verificación: Ejecutar con --no-headless para resolver manualmente el CAPTCHA en la ventana del navegador y luego reintentar.
• Contenido vacío: WeChat puede limitar la frecuencia de solicitudes. Espera unos minutos e intenta de nuevo.
• Fallos en descarga de imágenes: Las imágenes fallidas mantienen sus URLs remotas en el Markdown. Vuelve a ejecutar con --force para reintentar.

Limitaciones

• Solo admite artículos de mp.weixin.qq.com
• Requiere una conexión a internet funcional y la capacidad de ejecutar un navegador headless
• WeChat puede bloquear el acceso automatizado; Camoufox ayuda a evadir la detección pero no está garantizado