如何提取公众号网页源码？

浏览器开发者工具（最直接、最常用）

这是最直接、最基础的方法，适用于绝大多数公众号文章,你可以获取到浏览器当前正在渲染的HTML代码。

操作步骤：

1. 打开公众号文章：在电脑浏览器（如Chrome, Edge, Firefox）中打开你想要提取源码的公众号文章链接。
2. 打开开发者工具：
   • 在页面上点击鼠标 右键，选择“检查”（Inspect）。
   • 或者直接按键盘快捷键 F12 (Windows) 或 Cmd + Option + I (Mac)。
3. 切换到“Elements”（元素）面板：这是默认打开的页面,它会显示当前页面的HTML结构。
4. ：
   • 在左侧的HTML代码区域，可以滚动查找文章标题、正文等关键词。
   • 更高效的方法是使用 “选择元素”工具，点击开发者工具左上角那个带鼠标箭头的图标（或在代码区域按 Ctrl + Shift + C / Cmd + Option + C），然后用鼠标在网页文章正文上点击,开发者工具会自动定位到对应的HTML代码。
5. 复制代码：
   • 定位到包含文章内容的 <div> 或 <section> 等标签。
   • 右键点击该标签，选择 Copy > Copy outerHTML,这样会复制包含该标签本身及其所有子内容的完整代码。
   • 如果你只想复制标签内部的代码，可以选择 Copy > Copy innerHTML。

优点：

• 简单快捷,无需安装任何软件。
• 可以实时查看网页结构,方便调试。

缺点：

• 获取的是客户端渲染后的HTML,而不是原始的Markdown或编辑器源码。
• 文章中的图片、视频等多媒体资源可能已经被转换成了微信的CDN链接,而不是原始的链接。
• 对于通过JavaScript动态加载的内容（点击展开全文”）,可能需要手动操作或刷新页面才能完全加载。

使用“另存为”功能（获取完整静态页面）

这种方法可以获取一个包含所有CSS和JavaScript的完整HTML文件。

操作步骤：

1. 在浏览器中打开公众号文章。
2. 按 Ctrl + S (Windows) 或 Cmd + S (Mac) 打开“另存为”对话框。
3. 在“保存类型”中，选择 “网页，完整” 或 “Web Page, complete (.htm; .html)”。
4. 选择保存位置,点击保存。

你将得到什么：

• 一个HTML文件（article.html）。
• 一个与HTML文件同名的文件夹（article_files），里面存放了该网页用到的所有图片、CSS样式表和JavaScript文件。

优点：

• 获取的是完整的静态页面,包含所有资源。
• 可以在本地离线打开,查看最终效果。

缺点：

• 同样,获取的是渲染后的代码。
• 文件结构相对复杂，包含了大量与正文无关的网页框架代码（如导航栏、页脚等）。
• 图片链接依然是微信的CDN链接。

使用编程脚本（Python + Requests/BeautifulSoup，最强大）

如果你需要批量提取或对源码进行自动化处理，使用编程脚本是最佳选择，Python 是这方面的首选语言。

核心思路：

1. 使用 requests 库模拟浏览器发送HTTP请求,获取文章的HTML源码。
2. 使用 BeautifulSoup 或 lxml 库解析HTML，并精确地提取出文章标题、正文、作者等信息。

示例代码：

import requests
from bs4 import BeautifulSoup
# 1. 替换为你想要抓取的公众号文章URL
url = 'https://mp.weixin.qq.com/s/your-article-url'
# 2. 发送HTTP请求
# 有时公众号会检测User-Agent，模拟一个浏览器请求可以避免被拦截
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
}
try:
    response = requests.get(url, headers=headers)
    response.raise_for_status()  # 如果请求失败（如404），则抛出异常
    # 3. 使用BeautifulSoup解析HTML
    soup = BeautifulSoup(response.text, 'html.parser')
    # 4. 提取关键信息
    # 注意：微信的HTML结构可能会更新，这里的class名需要根据实际情况调整
    # 你可以在浏览器开发者工具中右键标题 -> Copy -> Copy selector 来获取准确的CSS选择器
    # 提取标题= soup.find('h1', id='activity-name').get_text(strip=True)
    print(f"标题: {title}")
    # 提取正文
    # 正文通常在一个class名为 "rich_media_content" 的div中
    content_div = soup.find('div', class_='rich_media_content')
    if content_div:
        # get_text() 可以提取所有文本内容，strip()去除首尾空白
        # text_content = content_div.get_text(strip=True)
        # 如果你想保留HTML标签（如<p>, <img>），可以直接使用 .prettify() 或直接输出 str(content_div)
        html_content = content_div.prettify()
        print("\n--- 正文HTML内容 ---")
        print(html_content)
    # 你也可以提取其他信息，如作者、发布时间等
    # author = soup.find('span', class_='rich_media_meta rich_media_meta_nickname').a.get_text(strip=True)
except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")

如何找到正确的CSS选择器？

• 用浏览器开发者工具打开文章。
• 右键点击文章标题 -> Copy -> Copy selector，你会得到类似 #activity-name 的东西。
• 右键点击文章正文 -> Copy -> Copy selector，你会得到类似 div.rich_media_content 的东西。
• 将这些选择器用在 soup.find() 或 soup.select() 方法中即可。

优点：

• 自动化：可以轻松实现批量抓取。
• 精确：可以精确提取你需要的任何部分,忽略无关代码。
• 可扩展性强：可以结合其他库进行数据分析、存储等。

缺点：

• 需要一定的编程基础。
• 微信可能会更新其网页结构，导致选择器失效,需要定期维护脚本。

第三方在线工具或浏览器插件

市面上有一些在线工具或浏览器插件声称可以“一键提取”公众号文章，并生成Markdown、PDF或纯文本。

工作原理： 这些工具的底层逻辑和方法三类似，也是通过请求API或解析HTML来提取内容,然后提供一个更友好的界面。

优点：

• 操作简单，无需编程,适合普通用户。
• 通常提供格式转换功能（如转成Markdown，方便在Markdown编辑器中阅读）。

缺点：

• 安全风险：将文章链接提交给第三方服务存在隐私泄露风险,特别是对于未公开或内部的文章。
• 稳定性差：工具可能随时失效或停止服务。
• 广告/限制：很多在线工具有广告、下载次数限制或需要付费。

总结与建议

给你的建议：

• 如果你只是想看一眼或复制一小段内容：直接用 方法一（浏览器开发者工具）,最快最方便。
• 如果你想保存整篇文章到本地，方便随时查看：用 方法二（另存为）,效果最好。
• 如果你是技术人员，需要批量处理或深度分析：强烈推荐 方法三（Python脚本），这是最灵活、最强大的方案。
• 如果你想快速得到一个干净的Markdown版本：可以尝试 方法四（第三方工具），但请注意安全风险，优先选择知名、可信的服务。