wechat-article-fetch · 公眾號文章抓取
核心事實（已實測，直接執行）
- UA 是唯一準入門檻：使用腳本內建瀏覽器 UA。不帶 UA / curl / python-requests / MicroMessenger → 全部 302
- 正文極易取得：服務端渲染，位於
<div id="js_content">，裸 GET 即可，無需 JS/Cookie/登入 - 圖片無防盜鏈：真實位址在
data-src - 發現層：原文不被搜尋引擎收錄；搜狗提供加密跳轉鏈，清潔態純 HTTP 可拆簽名直鏈（視窗≥1h，儘快抓）；⚠️ 連續約 15~20 請求/30 分鐘觸發 IP 級驗證碼（需人工，瀏覽器無解）→ 低頻率串行，觸發即停
UA 範例（自行寫腳本時用）：Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36
用法（腳本同目錄，零依賴，CLI+庫雙模式，錯誤結構化 WeChatError）
python wechat_fetch.py "<url>" [--format md|json|text] [--out FILE] # 抓正文
python wechat_discover.py "關鍵詞" [--format table|json] # 搜元資料（跳轉鏈拆法見通道狀態）
python batch_fetch.py urls.txt [--min-delay 3] [--max-delay 8] [--daily-limit 500] # 批量：限速/斷點續傳/驗證碼停機
通道狀態（2026-08 實測，防止誤用死路）
| 通道 | 狀態 |
|---|---|
| 公開文章頁裸抓 | ✅ 長期穩定（本技能核心） |
| 搜狗搜尋 | ✅ 僅近期元資料（清潔態）；跳轉鏈純 HTTP 拆簽名 URL（視窗≥1h，儘快抓）；⚠️ 連續~15-20請求/30分鐘觸發IP驗證碼，需人工 |
| 合集（專輯）頁 | ⚠️ 匿名可翻，僅合集內文章 |
| 公眾號主頁歷史列表 | ❌ 匿名被攔「請在微信客戶端開啟連結」；getmsg 僅最近 ~10 篇 |
| 公眾號後台跨號搜尋 | ❌ 已死（2026-07-30 微信關閉，行業工具全癱） |
結論：抓取層穩定；發現層上限 = 搜狗近期 + 合集（⚠️ 動態頻控，低頻率）；全量歷史無合規通道。
流程
- 已有連結 → GET（瀏覽器 UA）→ 取
#js_content→ 輸出。失敗按分診表，勿盲重試 - 只有關鍵詞 → 搜狗拿元資料；要正文則純 HTTP 拆跳轉鏈 JS 拼串拿簽名 URL回抓取流程（失敗/觸發反爬再瀏覽器兜底；或找轉載鏡像，須告知使用者可能被刪改）。主頁歷史、後台搜尋不要嘗試（已死/被攔）
解析（僅自行寫正則時需要，直接用腳本可跳過）
錨點：var msg_title / nickname / ct + #js_content。⚠️ msg_title/nickname 有 .html(false)/htmlDecode() 套殼——正則只匹配等號後第一個引號串，否則全部抽空；圖片取 data-src 而非 src。
失敗分診（不要盲目重試）
| 現象 | 原因 | 動作 |
|---|---|---|
| 302 | UA 不合格 | 換瀏覽器 UA |
| 200 + 參數錯誤 | 連結無效 | 停，核對連結 |
| 302 → antispider | 搜狗側攔截（IP級驗證碼，2026-08-13實測需人工） | 停止，不繞；低頻率重試或等待恢復（瀏覽器同樣被攔） |
| 302 → appmsgcaptcha | 連結異常/觸發驗證碼 | 停止，不繞過 |
| 200 + 該頁面不存在 | UA 被判為爬蟲 | 換瀏覽器 UA |
| 200 + 請在微信客戶端開啟 | 需登入的頁面 | 該通道不可用，換搜狗/合集 |
| 200 + 已刪除/違規 | 文章被處理 | 跳過，記錄原因 |
硬約束（違反即停）
- 不碰登入態：個人微信/公眾號後台 Cookie、掃碼態一律不用（封號 + 違約）
- 不繞過驗證碼：觸發即整體停止（繞過技術措施是中國刑法 285 條紅線）
- 不規模化採集：robots 整站 Disallow，定位個人研究小量取用；串行 + 秒級間隔，單日 ≤500 篇
- 不商用不傳播：文章受著作權保護，個人學習研究屬合理使用（前提：不傳播、不商用、保留署名）
- 發現層受動態頻控管制（2026-08-13 實測：
1520 請求/30 分鐘觸發 IP 驗證碼，小時級未自動解除）：低頻串行（建議 ≤10 次/30 分鐘），觸發即整體停止，等待恢復，不得嘗試繞過