如何批量下载微信公众号文章并保留 100% 原版式：wechat-article-exporter 实战指南

【免费下载链接】wechat-article-exporter一款在线的 微信公众号文章批量下载 工具，支持导出阅读量与评论数据，无需搭建任何环境，可通过 在线网站 使用，支持 docker 私有化部署和 Cloudflare 部署。 支持下载各种文件格式，其中 HTML 格式可100%还原文章排版与样式。项目地址: https://gitcode.com/gh_mirrors/we/wechat-article-exporter

批量下载微信公众号文章、还原原版式排版、导出阅读量与评论数据，还能用 Docker 或 Cloudflare 一键私有化部署——这套能力都装在wechat-article-exporter里。本文不堆代码，按"你想干一件什么事"的顺序，把它的抓取原理、数据流向、导出机制和三种部署方式讲清楚，让你读完就能判断它值不值得托管、又该怎么跑起来。

一次扫码，为什么能一直抓别人的文章

核心机制是一句话：你扫自己的公众号登录一次，它就借你这个合法身份，去调公众号后台的"搜索并引用其他公众号文章"接口。

微信公众平台在"写文章"流程里允许运营者搜索别的公众号历史文章并引用，背后就是searchbiz（按关键字搜公众号）和appmsgpublish（按公众号fakeid分页拉历史文章）这两个接口。本项目把它们程序化了：你用微信扫一个二维码登录自己的公众号（登录流程见 server/api/web/login/），服务端把微信返回的set-cookie存进自己的 CookieStore，再给浏览器下发一个唯一的auth-key。之后所有对微信平台的请求都由 server/utils/proxy-request.ts 统一转发——它原样带上Referer、Origin和一个伪装成浏览器管理端的User-Agent，并把 cookie 存回、回传。

这里有个容易被忽略但很关键的细节：登录态是有保质期的。cookie 在 KV 存储里只保留 4 天（expirationTtl: 60 * 60 * 24 * 4，见 server/kv/cookie.ts），到期就得重新扫码。接口返回200003时程序会判定"会话过期"并清空当前登录账号（见 apis/index.ts）。所以"扫一次码"不是"扫一次管一年"，而是"扫一次、用四天"。

⚠️ 客观说一句：这是借用你本人账号的会话去调接口，是否合规取决于微信平台条款，本项目本身不做背书，请自行评估。

从"找到一个号"到"拿到一篇正文"的数据路径

登录只是拿到钥匙，真正干活的是"搜索 → 列表 → 正文"这条流水线，它分三步把数据搬进你的浏览器本地。

第一步是搜索公众号。前端调searchbiz按关键字返回公众号列表，你选中一个添加为管理对象，程序随即自动同步它的第一页文章。注意公众号的"翻页结束"判断和普通文章不一样：只有当第一页结果就少于 5 个、或后续页彻底为空时才算抓完（见 apis/index.ts 的getAccountList）。

第二步是分页拉文章列表。appmsgpublish按fakeid一页 20 条地返回历史文章（ARTICLE_LIST_PAGE_SIZE = 20，见 config/index.ts），begin从 0 开始递增，当某次返回 0 条就表示加载完毕。每次拉到的列表都会写进本地 IndexedDB 缓存（updateArticleCache），这样下次不用重复请求接口。列表页基于 ag-grid 实现，支持按作者、标题、发布时间、原创标识、所属合集等维度过滤。

第三步是抓正文 HTML。对每篇mp.weixin.qq.com/s/xxx链接，程序通过代理节点抓取正文并写入缓存。这里有个贴心的修复：单篇链接本身推不出公众号fakeid，下载器会先把 HTML 抓下来、从window.cgiDataNew里解析出真实的bizuin再回填（fixSingleFakeidTask，见 utils/download/Downloader.ts），所以你在单篇页面直接粘链接也能下。

抓到正文后，程序还会做状态校验：已下架/作者删除的文章、内容违规的页面都会有专门的处理与标记（仓库samples/目录里就存了"作者已删除""内容违规"等样例页），避免把无效内容当成有效正文存进去。消息类型也不限于普通图文——ITEM_SHOW_TYPE映射覆盖了普通图文（0）、视频分享（5）、音乐分享（6）、图片分享（8）、文本分享（10）、文章分享（11）、短文（17）等（见 config/index.ts），意味着目标号发的是图片分享或文本分享时同样能正常导出。

正文只是骨架：阅读量、评论为什么必须抓包

列表和正文能直接拿到，但阅读量、点赞、分享、留言这些数据藏在需要额外凭证的接口里，这就是项目里"credentials 机制"存在的原因。

credentials 是一组微信接口鉴权参数，包含biz（公众号标识）、uin（用户标识）、key、pass_ticket、wap_sid2、appmsg_token和完整cookie（字段定义见 types/credential.d.ts）。它们不是登录扫码能拿到的，得靠抓包：页面提供"抓取 Credentials"面板（components/global/CredentialsDialog.vue），支持两种抓包方式——配套监听程序，或直接用仓库自带的 mitmproxy 插件：

mitmdump -s credential.py -q

把手机代理指到这个抓包端点、打开微信阅读一篇目标文章，插件就会捕获并回传上面那组参数。拿到后，下载器会在抓取阅读量时把pass_ticket和wap_sid2拼进 cookie 重新请求一遍文章 HTML，再从window.cgiDataNew的appmsg_bar_data里解析出read_num（阅读）、old_like_count（赞）、share_count（分享）等数值写入元数据缓存。评论与评论回复则走appmsg_comment接口分页拉取（每页 100 条，靠buffer+continue_flag翻页），并发会被强制降到 2 以避开风控。

⏰ 两个限制要心里有数：key默认按25 分钟管理（CREDENTIAL_LIVE_MINUTES = 25），过期就得重新抓包；付费文章的完整正文也必须带 credentials 才能取到（is_pay_subscribe === 1时自动切换为带凭证请求）。

六种导出里，HTML 为什么能做到 100% 还原

拿到正文后，导出由 utils/download/Exporter.ts 统一调度，支持 html / json / excel / txt / markdown / docx 六种格式（外加 PDF）。它们的实现差异很大，用一个表看清楚：

HTML 这条管线最复杂，分三步。先提取资源：解析已缓存正文，收集所有<img>、<link rel="stylesheet">以及 CSS 里background/background-image: url(...)三类远程地址。再并发下载这些图片与样式文件写入资源缓存。最后本地化重写：把远程路径替换成./assets/uuid.ext，同时删掉顶部广告、底部推荐、二维码和script等无用 DOM，移除#js_content上隐藏正文的style，从oriCreateTime渲染真实发布时间、渲染 IP 属地与"标题已修改"标记，把卡券、语音、视频、小程序等特殊元素降级为[图片]、[视频]、[小程序]等文本占位，并可选地渲染阅读量与留言。

最终每篇文章是一个index.html+assets/目录，双击即可离线浏览，排版与原文一致。Markdown 则走 Turndown（ATX 标题、-列表、fenced 代码块），并显式移除style/script/link等标签，避免 CSS 与 data URI 图标混进正文。

导出目录名支持模板变量，例如${YYYY}-${MM}-${DD}_${title}，可替换${account}、${title}、${aid}、${author}及年月日时分（exportDirName逐一替换，见 utils/download/Exporter.ts），无法用于文件名的字符会被过滤。批量下载合集时，程序先逐篇抓正文，再用 JSZip 按"日期 + 标题"目录打包成 zip（见 composables/useBatchDownload.ts）。

并发、代理、重试：大批量抓取怎么不被风控

单次抓取靠代理、批量抓取靠调度。所有下载任务统一由 utils/download/BaseDownloader.ts 管理，采用 Promise.race 并发模型：维护一个进行中的任务集合，在不超并发上限且队列非空时持续启动新任务。默认参数如下（见 utils/download/constants.ts）：

代理调度由 utils/download/ProxyManager.ts 负责：每次优先选"失败次数最少、最近未使用"的代理；某代理连续失败达到阈值就进 30 秒冷却池；若全部在冷却，则回退到最早使用的那一个并重置计数。下载失败采用指数退避（2^n秒延迟）重试。并发数默认按代理数量自动计算（bestConcurrencyCount），宁可慢一点也不触发风控。

代理来源分两级：优先用你在"设置 → 代理节点"里填的私有代理列表（需以http/https开头，支持自动拼接?url=...，可配Authorization）；没配置时回退到内置的公共代理池（config/public-proxy.ts），由 6 个域名 × 16 个二级子域共 96 个节点组成。公共池的额度是有限且需要"抢"的，追求稳定就建议填自己的节点。

三种跑起来的方式：在线、Docker、Cloudflare

如果你只是想试试，直接用在线站点即可，无需装任何东西。想完全掌控数据与请求，就自托管——它有两条路子，差异主要在存储与 PDF 支持。

Docker 私有化是功能最全的方式。仓库提供 Dockerfile，两阶段构建：构建层node:22-alpine锁 Yarn 1.22.22 装依赖并nuxt build，构建时设NITRO_KV_DRIVER=fs、NITRO_KV_BASE=.data/kv，用本地文件系统模拟 KV；运行层node:22-slim通过 apt 装 Chromium、Noto CJK 中文字体与 CA 证书，设PUPPETEER_EXECUTABLE_PATH=/usr/bin/chromium（Puppeteer 直接复用系统 Chromium、跳过下载），以非 root 的node用户监听0.0.0.0:3000。构建并运行：

# 构建镜像（版本自动取 package.json） yarn docker:build # 挂载 KV 目录持久化登录态与文章缓存，否则容器重建后登录失效 docker run -d -p 3000:3000 -v /本地目录:/app/.data/kv \ ghcr.io/wechat-article/wechat-article-exporter:<version>

正因运行层内嵌了 Puppeteer + Chromium，Docker 是唯一支持 PDF 导出的自托管方式（本地nuxt dev亦可）；KV 数据务必挂卷，免得重建容器后登录态丢失。

Cloudflare Workers走的是轻量路线，配置在 wrangler.toml。要点：yarn build:cf用NITRO_PRESET=cloudflare_module+NITRO_KV_DRIVER=cloudflare-kv-binding构建；KV 绑定名固定为KV，与 nuxt.config.ts 中storage.kv.binding保持一致；cookie:*与member:*数据存在 KV 里；构建后wrangler deploy上线。这里有个坑已在配置里规避——Cloudflare 驱动下不能再设base，否则键会变成.data/kv:member:xxx导致读不到数据。同时 nuxt.config.ts 开了experimental.wasm，让 QuickJS-WASM 沙箱在主 Worker 内执行 cgi 脚本，无需 Dynamic Workers，能显著降低成本。

📦 两种部署要分清一件事：Workers 环境没有 Puppeteer，PDF 导出不可用；而公开的会员/限速层（NUXT_PUBLIC_MEMBERSHIP_ENABLED）只作用于官方托管站点，fork 私有部署时membership.enabled默认关闭，无限速，开放 API 的 markdown / text / json 格式也全部放开。

结语与许可

一句话记住它的设计：用"一次扫码换取一个完整归档通道"，把抓取、渲染、资源打包全部下沉到浏览器端（File System Access API），服务端只负责转发与存 cookie，从而保持轻量，也让 HTML 导出能做到 100% 还原排版。抓 credentials、维护代理池、跑 QuickJS 沙箱这三件事，分别对应"互动数据""稳定抓取""结构化解析"三条能力线，理解它们就理解了整个项目。

项目采用MIT 许可证，可自由使用、修改与二次分发；作者承诺不利用你扫码的账号做公共爬虫、不存在账号池，你抓到的内容版权归原作者所有，请合理使用。它同时致谢了 Deno Deploy、Cloudflare Workers 的免费托管，以及 WeChat_Article 项目提供的原理思路。若需自行 clone，仓库地址为https://gitcode.com/gh_mirrors/we/wechat-article-exporter。

【免费下载链接】wechat-article-exporter一款在线的 微信公众号文章批量下载 工具，支持导出阅读量与评论数据，无需搭建任何环境，可通过 在线网站 使用，支持 docker 私有化部署和 Cloudflare 部署。 支持下载各种文件格式，其中 HTML 格式可100%还原文章排版与样式。项目地址: https://gitcode.com/gh_mirrors/we/wechat-article-exporter