wcx — 微信公众号文章抓取 CLI

一句话：本地 CLI，抓取任意微信公众号的全部历史文章（或最新 N 篇），导出 Markdown/HTML/JSON。

基于 cgi-bin/appmsg?action=list_ex 接口（与 wechat-article-exporter 同源）。需要一个自己的微信订阅号/服务号用于取 token。

特性

• 一次登录，长期可用：token/cookie 存在 ~/.config/wcx/
• 断点续跑：所有抓取都写 SQLite，中断了继续跑不重复
• 尊重频控：默认 5-15 秒随机间隔，遇 200013 自动停
• 导出灵活：Markdown（LLM/知识库友好）、HTML（样式还原）、JSON、CSV
• 友好反馈：Rich 进度条 + 彩色输出 + 清晰错误提示
• Claude Skill 集成：可在 Claude Code 里自然语言调用

安装

cd ~/projects/wcx
pip install -e .

需要 Python 3.10+。

快速开始

# 1. 一次性登录（提示获取 token/cookie 的方法）
wcx login

# 2. 搜索公众号
wcx search 人民日报

# 3. 抓取最新 10 篇（元数据 + 正文）
wcx fetch 人民日报 --limit 10 --content

# 4. 看一眼抓了啥
wcx list 人民日报

# 5. 导出成 Markdown 文件
wcx export 人民日报 --out ./output

完整命令

命令	说明
wcx login	交互式设置 token 和 cookie
wcx logout	清除凭证
wcx status	显示配置 + 缓存状态
wcx search <名称>	搜索公众号，显示候选列表
wcx fetch <名称>	抓取文章列表（-n N 限量、--content 同时抓正文）
wcx list <名称>	查看缓存中的文章
wcx export <名称>	导出到文件（-f md/json/csv, -a md/html/none）

如何获取 token 和 cookie

运行 wcx login 会显示步骤：

1. 浏览器登录 mp.weixin.qq.com（需个人订阅号/服务号）
2. 进入：图文素材 → 新建图文 → 超链接 → 查找文章
3. F12 打开 DevTools → Network
4. 在搜索框里搜任意账号，找到 appmsg?action=list_ex 请求
5. URL 里复制 token=XXXXX 的值
6. Request Headers 里复制完整 Cookie 字段

风控与限流

WeChat 对 cgi-bin/appmsg 有频控：

• 短时间高频：ret=200013，停 1 小时以上
• 单日量大：账号临时禁用搜索，24 小时
• 持续滥用：订阅号功能受限

默认参数已是保守值（5-15 秒间隔）。如需更激进，自担风险：wcx fetch xxx --min-delay 2 --max-delay 5。

法律与合规

这是一个技术研究工具。使用前请确认：

• ✅ 仅抓取你有权访问的公众号（自己的、有授权的、或公开研究场景）
• ✅ 不要做商业二次分发 / 镜像站
• ❌ 不要高频爬取伤害平台 / 其他用户
• ❌ 商业项目请走正规数据供应商（西瓜数据、新榜、次幂数据）

2021 年杭州互联网法院已有爬取微信公众号数据被判赔 60 万的判例。个人学习研究 OK，商用务必合规。

架构

wcx/
├── cli.py          # Typer + Rich CLI
├── fetcher.py      # cgi-bin/appmsg 客户端
├── article.py      # 正文抓取 + Markdown 转换
├── cache.py        # SQLite 缓存
├── config.py       # token/cookie 存储
└── exporters.py    # MD/HTML/JSON/CSV 导出

License

MIT