一句话总结:看到一篇好文章想存下来,Ctrl+S 存出来的是一堆散文件和断掉的图片链接。这个 Skill 给你一个文件,双击就能看。

大家好,我是程序员晚枫。

做自媒体的人都有个习惯:看到好文章,存一下。

万一哪天要用呢?万一它被删了呢?

但你真去存的时候会发现,公众号文章特别难存。

在 Chrome 里按 Ctrl+S「另存为网页」,出来的是:

1
2
3
4
5
6
某公众号某文章.files/
├── 1.dat
├── 2.dat
├── 3.dat
├── ...(几百个)
└── 某公众号某文章.html

图片是一堆 .dat 文件,链接是相对的。 换台电脑、隔天再打开,图裂一半。

那怎么办?装个「网页另存为」插件?装个浏览器自动化工具?——为了存一篇文章,下载 150MB 的 Chromium。

我一开始也这么干。但用了一段时间我发现,这事可以做得更轻。

所以我写了「公众号保存侠(mp-saver)」:不登录、不装浏览器,一个文件存完。

SkillHub 发布页:公众号保存侠:https://skillhub.cn/skills/user_bf8c5b73/wanfeng-mp-saver

一、v2.0 最大的变化:把 Chromium 扔了

v1.xv2.0
依赖Playwright + Chromium(约 150MB 下载)Python 标准库(0 第三方包)
启动速度5–10 秒(浏览器冷启动)< 1 秒
安装耗时1–2 分钟(含 Chromium 下载)0.1 秒
单篇耗时—秒级

为什么能扔? 因为公众号文章不需要渲染就能拿到完整 HTML。

那篇文章在浏览器里看到的排版,本质是服务端返回的一段 HTML + 一堆 CSS。你只要把这段 HTML 原样拿下来,再把图片转成 base64 塞进去,得到的文件跟「另存为网页」完全等价。

而且更快、更稳,还不会被页面改版搞挂。

二、它到底做了什么

1
2
3
4
5
6
7
urllib 抓 HTML(带 WeChat UA + Referer)
→ 反爬兜底页检测(抓到了假页面就报错退出)
→ 从 og:title 提取标题
→ unlazy 修补(把 data-src 提到 src)
→ 下载所有图片转 base64 内嵌
→ 加 <base href> 防止相对资源 404
→ 写出单个 .mhtml 文件

有几步是外行看不太懂但很关键的:

og:title 提取标题。 不用解析正文去找 <h1>,直接读页面头里那个 og:title——这是页面自己声明的标题,最准。而且文件名自动用它,省得你手动改。

unlazy 修补。 公众号的懒加载图片,真实地址藏在 data-src 里,src 上放的是占位图。不修补的话你存下来就是一片空白。

加 <base href>。 这步是为了让那些没被内嵌的远程图片还能正常显示——加上它,相对路径就以原文章为基准解析了,不会 404。

三、三种输出,你选

A · MHTML 限 200 张内嵌(默认推荐)

1
python3 scripts/save_mp.py --format mhtml --max-images 200 "https://mp.weixin.qq.com/s/xxx"
  • 单文件,前 200 张图 base64 内嵌
  • 其余图片保留远程 URL,打开时自动加载
  • 体积:5–50MB/篇

B · MHTML 全部内嵌

1
python3 scripts/save_mp.py --format mhtml --max-images 0 "https://mp.weixin.qq.com/s/xxx"
  • 所有图片 base64 内嵌,完全离线可看
  • 体积:20–100MB/篇

C · 纯 HTML

1
python3 scripts/save_mp.py --format html "https://mp.weixin.qq.com/s/xxx"
  • 不下载图片,最快(5 秒/篇)
  • 体积:100–500KB
  • 代价:离线看不到图

为什么默认是 A?

我实测过一篇文章,490 张图。

全内嵌的话,base64 编出来 77.6MB,下载占 150MB——分享一次都费劲。

限 200 张的话是 48MB,打开能看完整正文,后面的图联网加载。这个平衡点是我试出来的,不是拍脑袋。

四、批量存,自动出清单

1
2
3
4
5
6
python3 scripts/save_mp.py \
--output /Users/wanfeng/Desktop/mp-saves/ \
--slug "7月AI日报" \
"https://mp.weixin.qq.com/s/aaa" \
"https://mp.weixin.qq.com/s/bbb" \
"https://mp.weixin.qq.com/s/ccc"

跑完目录长这样:

1
2
3
4
mp-saves/20260813-ai-daily/
├── index.md ← 清单(标题/大小/链接/失败项)
├── cursor-深度评测.mhtml
└── claude-code-使用心得.mhtml

清单里有一栏「失败清单」。 哪篇没存下来、为什么,都在清单里写着,不会悄悄漏掉一篇。

五、它是怎么认出「这一篇是假的」

公众号的反爬,有三种情况会让你抓回来的根本不是文章,而是兜底页:

兜底页特征它的处理
URL 跳到 wappoc_appmsgcaptcha报错退出,提示「用浏览器手动另存为」
HTML 小于 30KB,且含「环境异常」「验证身份」「请完成验证」报错退出
没有图床域名(mmbiz.qpic.cn),且含「该公众号已被屏蔽」「该文章已被发布者删除」报错退出

这里有个坑我必须说,因为我自己踩过:

v1 用「请在微信中打开」当兜底标记。结果所有文章都被判成假的。

原因很隐蔽:这串字出现在公众号所有页面的 JS 检测脚本里,真文章也会命中。结果是 100% 误判。

v2.0 换掉了这个判据,改成看域名、看体积、看真实错误文案。

这就是为什么要写工具而不是一直手动操作——手动存的时候,你一眼就知道「这页不对」,但脚本会一本正经地告诉你「保存成功」。

六、抓不到的时候,它会好好说话

这是我觉得做得很到位的一点:报错不是甩一句堆栈给你看。

它按 5 段式回答:

  1. 原文 —— 贴出报错最后 1-2 行
  2. 人话 —— 一句大白话解释发生了什么
  3. 根因 —— 技术层面的真正原因
  4. 3 步 —— 你能立刻执行的 3 个具体动作
  5. 兜底 —— 它无能为力时的退路(手动另存为)

「报错要能让人知道下一步干什么」——这个标准我觉得对所有工具都适用。

七、它能做什么,不能做什么

行为做不做说明
不登录任何账号✅核心原则
存 mp.weixin.qq.com/s/...✅唯一支持的 URL 模式
存其他域名的文章❌知乎、简书、普通博客一律拒绝
存「仅关注后查看」的文章❌抓不到正文,会报兜底页
存含视频号视频的文章⚠️视频仍是远程 URL,离线看不了
装 150MB 的 Chromium❌v2.0 起不装任何第三方包
自动转 Markdown❌它只做保存,不做下游联动

URL 校验很严格:只接受 https://mp.weixin.qq.com/s/...。别的域名、非 /s/ 路径、空链接、非 http 协议,全部拒绝。

为什么要这么严? 因为它是「看到链接就存」的工具,一个手滑贴错的 URL 不该变成一个莫名其妙的任务目录。

八、还有个隐藏用法:喂给别的 Skill

这是我觉得它真正的潜力。

它的产物是 .mhtml,而 .mhtml 正好是 MarkItDown(我之前写过那篇)能吃的格式。

所以链路是:

1
2
3
4
5
# 第一步:保存
python3 scripts/save_mp.py --output ./saved "https://mp.weixin.qq.com/s/xxx"

# 第二步:转成 Markdown
bash doc-speedreader/scripts/convert.sh ./saved/xxx.mhtml

一篇公众号文章 → 一个可搜索、可喂给 AI 的 Markdown 文件。

这个组合对做知识管理的人挺有用:你收藏的所有好文章,可以变成一个本地知识库。

九、怎么装

方式一:从 GitHub 拉源码(本地用)

1
2
git clone https://github.com/CoderWanFeng/wanfeng-skills.git
cd wanfeng-skills/skills/mp-saver

方式二:从 SkillHub 一键安装(其他支持 Skill 的 AI 工具)

打开发布页:

公众号保存侠:https://skillhub.cn/skills/user_bf8c5b73/wanfeng-mp-saver

在支持 Skill 安装的 AI 工具里,可以直接发送下面这句话:

1
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_bf8c5b73/mp-saver。

也可以在发布页下载 Zip 包手动安装。

源码在这:

GitHub:mp-saver:https://github.com/CoderWanFeng/wanfeng-skills/tree/main/skills/mp-saver

整个仓库:wanfeng-skills 仓库首页:https://github.com/CoderWanFeng/wanfeng-skills

如果你也有存公众号文章的习惯,可以试试:把「保存」这件事从一堆散文件,换成一个能双击打开的单文件。 顺手还能存成 Markdown 喂给 AI。

用的时候有问题,欢迎到 GitHub 提 Issue,也可以在文章下面留言。

科技不高冷,AI 很好用。我是晚枫,关注我,一起把 AI 真正用起来。


参考链接

相关阅读