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 | 某公众号某文章.files/ |
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.x | v2.0 | |
|---|---|---|
| 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 | urllib 抓 HTML(带 WeChat UA + Referer) |
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 | python3 scripts/save_mp.py \ |
跑完目录长这样:
1 | mp-saves/20260813-ai-daily/ |
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:
- 原文 —— 贴出报错最后 1-2 行
- 人话 —— 一句大白话解释发生了什么
- 根因 —— 技术层面的真正原因
- 3 步 —— 你能立刻执行的 3 个具体动作
- 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 | # 第一步:保存 |
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 | git clone https://github.com/CoderWanFeng/wanfeng-skills.git |
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
- mp-saver Skill 源码:https://github.com/CoderWanFeng/wanfeng-skills/tree/main/skills/mp-saver
- 公众号保存侠 SkillHub 发布页:https://skillhub.cn/skills/user_bf8c5b73/wanfeng-mp-saver
- SkillHub 安装说明:https://skillhub.cn/install/skillhub.md
- wanfeng-skills 仓库首页:https://github.com/CoderWanFeng/wanfeng-skills
- Python urllib 官方文档:https://docs.python.org/3/library/urllib.request.html
- Microsoft MarkItDown 仓库:https://github.com/microsoft/markitdown
