wx2md - 微信公众号文章转 Markdown 工具

将通过抓包获取的微信公众号文章（含付费文章）转换为本地 Markdown 文件，适配 Obsidian 阅读与管理。

微信公众号付费文章在付费阅读后，仍然只能在微信客户端内查看，无法导出、复制或本地保存。本工具通过抓包获取文章完整 HTML 内容，将其转换为结构化的 Markdown 文档并下载图片到本地，实现付费内容的长期保存与离线阅读。

推荐使用 Reqable（跨平台，支持 Windows/macOS/Linux），也可使用 Charles、Fiddler 等。

核心要求：能够解密 HTTPS 流量并导出完整的 HTTP 响应原始数据。

1. 安装并信任 Reqable 的 CA 根证书
2. 开启 HTTPS 解密功能
3. 确保微信客户端的流量经过 Reqable 代理

提示：微信 PC 客户端默认使用系统代理，在 Reqable 中开启系统代理即可自动拦截。

方式一（推荐）：使用 uv 零配置运行

# 无需手动安装依赖，uv 自动处理
uv run wx2md.py data/http_raw.txt

方式二：pip 安装

# 克隆仓库后安装
pip install .

# 或开发模式
pip install -e .

# 然后运行
wx2md data/http_raw.txt

方式三：直接 pip 安装依赖

pip install beautifulsoup4 httpx
python wx2md.py data/http_raw.txt

1. 打开 Reqable，开始捕获
2. 在微信 PC 客户端中打开目标公众号文章
3. 如果是付费文章，确保已完成付费（付费后才能获取完整内容）

在 Reqable 的请求列表中，找到对 mp.weixin.qq.com 的 GET 请求，URL 路径为 /s，响应类型为 text/html。

识别特征：

• 请求方法: GET
• Host: mp.weixin.qq.com
• 响应 Content-Type: text/html; charset=UTF-8
• 响应体较大（通常数百 KB 到数 MB）

在 Reqable 中选中该请求，导出 HTTP 响应的原始文本数据，保存为 .txt 文件（如 data/http_raw.txt）。

导出内容应包含：

• HTTP 响应头（状态行、Set-Cookie、Content-Type 等）
• 空行分隔
• HTML 响应体

# 基本用法（uv）
uv run wx2md.py data/http_raw.txt

# 基本用法（pip 安装后）
wx2md data/http_raw.txt

# 指定输出目录
uv run wx2md.py data/http_raw.txt -o my_articles

输出结构：

output/
  文章标题.md        # Markdown 文件（含 Obsidian frontmatter）
  images/            # 文章内图片
    img_01.png
    img_02.png
    ...

生成的 Markdown 文件包含 YAML frontmatter，可直接放入 Obsidian vault 中使用：

---
title: "文章标题"
author: "作者"
source: "公众号名称"
date: 2026-03-04
tags: [微信公众号, 付费文章]
url: "https://mp.weixin.qq.com/s?__biz=...&mid=...&idx=...&sn=...#rd"
---

本工具在处理过程中会自动进行 URL 脱敏：

• 文章链接仅保留 __biz、mid、idx、sn 四个标识文章的核心参数
• 自动移除 key、pass_ticket、uin、exportkey、wap_sid2 等关联个人身份的参数
• 抓包原始数据文件中包含 cookies 和个人信息，请勿将 data/ 目录中的原始文件分享给他人

微信公众号文章的 HTTP 响应是一个完整的 HTML 页面，关键数据分布在以下位置：

• 免费文章：正文完整展示在 js_content 中
• 付费文章（未付费）：仅展示前 N% 的预览内容（由 preview_percent 控制，通常 50%）
• 付费文章（已付费）：与免费文章结构一致，正文完整在 js_content 中，额外有 appmsg_needpay=1 等付费标识

因此，必须在已付费的状态下抓包，才能获取完整内容。

微信文章不使用标准的 <h2>/<h3> 标题标签，而是通过内联样式来表达格式：

• 段落: <p> 嵌套 <span leaf=""> → <span textstyle=""> → 文本
• 标题: 通过 font-weight: bold 样式标识，本工具根据中文编号模式（如"一、""二、"）自动识别为 Markdown 标题
• 图片: 使用 data-src 属性（懒加载），CDN 域名为 mmbiz.qpic.cn
• 列表: 标准 <ul>/<ol> 标签

• 仅支持从 HTTP 原始响应文本解析，需要配合抓包工具使用
• 微信文章的排版高度依赖内联 CSS 样式，转换为 Markdown 后会丢失部分视觉效果（如文字颜色、自定义字体等）
• 音频、视频等多媒体内容不做处理
• 需要手动操作抓包流程，暂不支持批量自动化

仅供个人学习与存档使用，请尊重原创作者的知识产权。