AstrBot 插件新功能：公众号文章一键转载到博客
AstrBot 插件新功能：公众号文章一键转载到博客
给 AstrBot BlogWriter 插件加了一条 /转载 命令——把公众号文章链接发过去，插件自动抓取正文、转存图片、生成博客文章并提交，全程一条命令。
看到好文章想收藏到自己博客，以前只能手动复制粘贴、一张张存图，现在一条命令搞定。
前言
平时刷公众号经常看到想收藏的文章，比如九边那种聊教育、聊习惯的长文。以前想转载到博客，流程是这样的：
- 在浏览器打开文章，全选复制正文
- 粘贴到编辑器，一段段清理格式
- 图片一张张另存为，再上传到自己的图床，再手动替换链接
- 补 frontmatter、写转载声明、提交
一篇文章折腾十几分钟，图片多的更麻烦，而且公众号图片有防盗链，直接引用原图链接哪天就可能全部挂掉。
我博客本来就有个 AstrBot 插件（BlogWriter），平时用微信/QQ 发消息就能发动态、写笔记、记账。干脆给它加了条新命令：
/转载 https://mp.weixin.qq.com/s/xxxx发出去之后什么都不用管，刷新博客文章就出现了。
效果
在 QQ 私聊里把公众号文章链接发过去，回复大致长这样：
转载成功 ✅
标题：超强自驱力是哪来的公众号：九边文件：src/content/posts/技术分享/超强自驱力是哪来的.md博客：https://blog.tsh520.cn/posts/技术分享/超强自驱力是哪来的生成的文章长这样：
---title: 超强自驱力是哪来的published: 2026-09-16description: 这篇文章之前发在小号"六镇"，尾部流量非常大……image: https://img.tsh520.cn/file/blog/article/article-1.jpgtags: - 转载sourceLink: https://mp.weixin.qq.com/s/_0CXcOf250uUhy1304rG3w---
> 本文转载自微信公众号「九边」（原文发布于 2026-07-31）> 原文链接：https://mp.weixin.qq.com/s/_0CXcOf250uUhy1304rG3w
（正文，图片全部替换成了自己图床的链接）正文段落、加粗、引用、列表都保留，图片全部转存到了自己的 CloudFlare-ImgBed 图床（blog/article 目录），微信那边就算删文删图也不影响。
实现过程
抓取：伪装成微信客户端
公众号文章对服务器 IP 是有风控的。我一开始用普通请求去抓，直接被挡：
当前环境异常，完成验证后即可继续访问解决办法是把自己伪装成手机微信：User-Agent 用 MicroMessenger 的，再带上 Referer: https://mp.weixin.qq.com/。插件里做了两层处理——先按正常请求抓，如果返回的页面里检测到「环境异常/完成验证」的关键词，就直接报错告诉我是被风控了，而不是生成一篇乱七八糟的文章。
解析：和想象中不一样的页面结构
这是整个功能里最花时间的部分。我原以为公众号正文就是普通的 <p> 段落，实际抓下来发现完全不是：
1. 段落是靠 <section> 分隔的。
正文里几乎没有 <p> 标签，每段文字包在一个 <section><span leaf="">文字</span></section> 里，样式全写在行内 style 属性上。这意味着如果按 <p> 来断段，整篇文章会被拼成一大坨，一行到底。
2. 正文容器的结束位置没有明显的闭合标志。
<div id="js_content"> 里面嵌套几十层，靠正则配对 </div> 根本不现实。我的做法是找边界标志——正文本体之后第一个 <script> 标签出现的位置，就是正文的截止线。实测这个办法非常稳定，正文一个字不多一个字不少。
3. 页面里混着一堆非正文图片。
页面底部有二维码、作者头像之类的 <img>，如果不过滤，会把公众号头像也转存进文章里。解决办法是按 class 名过滤（qr_code、jump_author_avatar 这些），正文图只认 data-src（微信的懒加载写法）。
4. 发布日期藏在 JS 变量里。
页面上没有可见的日期元素，日期实际在脚本里的 var ct = "1785463020" 这个时间戳里，转一下就是原文发布日期。
5. 摘要经常是空的。
description 这个 meta 标签很多文章是空的，所以做了一个兜底：取正文开头 60 个字当摘要。
图片：转存而不是引用
公众号图片域名是 mmbiz.qpic.cn，直接引用有两个问题：一是微信可能删图，二是防盗链规则随时会变。所以插件的做法是：
- 下载每张图（实测不带 Referer 也能下载，失败了会自动带 Referer 重试）
- 上传到自己的图床
blog/article目录 - 正文里的图片链接替换成图床 URL
任一图片下载或上传失败，整个转载就会中止——不会发布一篇一半图片挂掉的半成品文章。
生成：对齐博客的文章格式
frontmatter 按博客 posts 集合的 schema 来写：
| 字段 | 内容 |
|---|---|
| title | 文章标题（自动抓取） |
| published | 转载日期 |
| description | 原文摘要（没有就取正文开头） |
| image | 第一张图当封面 |
| tags | 默认「转载」，可在插件配置里改 |
| sourceLink | 原文链接，博客文章页会展示 |
正文开头自动加一段转载声明引用块：
> 本文转载自微信公众号「九边」（原文发布于 2026-07-31）> 原文链接：https://mp.weixin.qq.com/s/xxxx文章放到哪个目录（也就是博客的分类）可以在插件配置里固定，我默认放在 技术分享。
新增配置项
| 配置项 | 说明 | 默认值 |
|---|---|---|
| article_default_dir | 转载文章发布目录 | 技术分享 |
| article_upload_folder | 图片转存图床目录 | blog/article |
| article_tags | 文章默认标签 | ["转载"] |
已知限制
- 只支持公众号文章：链接必须是
mp.weixin.qq.com的，其他网站暂不支持。 - 服务器 IP 有被风控的可能：我本地测试直连能抓到，但插件跑在腾讯云服务器上，微信对云厂商 IP 的审核更严格。如果被拦，插件会明确报「微信要求环境验证」，不会静默失败——真遇到的话再想办法（走代理或换出口 IP）。
- 视频、小程序卡片、评论区不处理：只搬运文字和图片，正文里嵌入的视频会丢失，需要的话事后手动补。
小结
这个功能本质上是一次「网页转 Markdown」的工程实践，难点不在写代码，而在摸清公众号页面真实的 DOM 结构——<section> 分段、<script> 边界、data-src 懒加载这些，都是抓下来看了真页面才发现的。
现在看到好文章，发个链接就归档到自己博客了，还能顺手留个原文出处，比收藏夹靠谱多了。
评论区
如果你喜欢，那么欢迎来到我的世界！
了解更多音乐
暂未播放
