微信公众号作为一个重要的内容发布平台，汇聚了大量优质文章。对于数据分析、内容聚合、学术研究等场景，我们常常需要批量获取公众号文章的内容。然而，微信官方并未提供公开的API，手动复制粘贴又效率低下，且格式不一，本文将介绍一套基于Python的爬虫脚本，能够自动从公众号文章链接中提取标题、作者、正文、图片、发布日期等信息，并保存为结构化的JSONL格式，方便后续处理。
一、功能概述
该脚本针对微信公众号文章页面设计，主要提取完整的正文内容，包括图片，及部分字段：
title：文章标题
author：作者
official_account：公众号名称
is_original：是否为原创
publish_date：发布时间
content_text：正文纯文本（代码块保留换行）
images：图片列表，包含原链接和本地下载路径
此外，脚本会自动下载文章中的图片到本地images/目录下，并按文章标题建立子目录，避免重名。
二、技术栈与核心库
requests：发送HTTP请求，获取HTML
chardet：自动检测网页编码
readability-lxml：提取文章正文
BeautifulSoup4：解析HTML，定位元素
re：正则表达式匹配日期、IP属地等
uuid：为图片生成唯一文件名
os / json / urllib：文件操作、JSON处理、URL解析
三、效果展示
优点：可以完整抓取正文内容，包括图片，视频
缺点：无法抓取评论等元数据
