wx-article-note：微信公众号 - 文章解析

新增全局 Agent Skill ~/.claude/skills/wx-article-note/，把微信公众号文章（mp.weixin.qq.com/s/... 链接）解析成结构化笔记：抓 HTML → 判断文章类型 → 提取正文或下载全部图片 → 交给 MiniMax 视觉工具读取，无需登录。

背景

此前没有微信文章的统一解析链路。第一次遇到时按 og:image / 封面 cdn_url 判断，误以为文章”只有一张图”，实际漏掉了 7 张正文图——微信的「图片分享页」（item_show_type=8）正文是一组轮播图，内嵌在 JS 数组 window.picture_page_info_list 里，不在 HTML 正文，og:image 只是封面。这个教训被固化进 skill，避免以后再犯。

适用的模态类型

• 文本模态（普通图文 item_show_type=0）：正文是 js_content 里的 HTML 文本，直接提取 body_text
• 图片模态（图片分享页 item_show_type=8）：正文是图片轮播，逐张下载后用视觉工具 OCR

内容类型

• 普通图文：正文文字 + 正文内插图 URL 列表（body_images）
• 图片分享页：全部正文图（images[]，含宽高与本地文件路径）
• 元数据：标题、公众号、作者、发布时间、来源链接

实现

• 脚本 scripts/wx_article_note.py：一条命令完成抓取、类型判断、元数据提取、图片下载
  • 类型判断靠 window.real_item_show_type（'8' = 图片分享页）
  • 图片分享页解析 window.picture_page_info_list 数组的所有 cdn_url，而非只取封面
  • 普通图文提取 js_content 正文文本与 <img data-src> 插图
  • 带 iPhone UA + Referer 抗反爬；输出 meta.json / content.html / img-NN.png
• SKILL.md：触发条件、两种形态的判断方法、OCR 步骤、常见坑

关键坑（已写入 SKILL.md）

• 只信 og:image 会漏图：图片分享页必须解析 picture_page_info_list 数组并下载所有图
• 中文乱码：只解 HTML 实体（\x26amp; 等），不要对全文跑 unicode_escape
• publish_time 正则需用负向断言 (?<!ori_) 排除 ori_create_time 的 epoch 值

验证

两个实测案例：哲就是AI《AI Agent运行全流程，一张图搞明白！》（7 张 1080x1440 图片分享页，全部正确下载）、IT服务圈儿《Windows被晾了十年，现在重新上位！》（普通图文，正文 2618 字符 + 10 张正文插图）。与 xhs-image-note、bili-audio-transcribe 同一命名与思路体系。