we-extract
介绍
we-extract 用以解析微信公众号文章的账号及文章信息，居家旅行、采集微信公众号文章必备工具。
we-extract 是微信公众号 RSS 订阅服务 WeRss 的核心解析工具，欢迎使用：
安装
npm install we-extract
// or
yarn add we-extract
使用
Node 版本需要支持 async
const extract = require('we-extract').extract
const rs = await extract('微信文章 url 或者 文章内容')
// 选项
const rs = await extract('微信文章 url 或者 文章内容', {
shouldReturnContent: true, // 是否返回内容，默认返回
shouldExtractMpLinks: false, // v2.1.0 是否返回文章中出现的所有公众号文章链接，如果为 true，将返回 mp_links 数组
shouldExtractTags: false, // v2.2.0 是否解析文章中的收录标签
shouldExtractRepostMeta: false // v2.2.3 是否解析转载文章来源
})返回结果说明
正确返回
{
done: true,
code: 0,
data: {
account_name: '微信派',
account_alias: 'wx-pai',
account_avatar: 'http://wx.qlogo.cn/mmhead/Q3auHgzwzM7Xb5Qbdia5AuGTX4AeZSWYlv5TEqD1FicUDOrnEIwVak1A/132',
account_description: '微信第一手官方活动信息发布，线下沙龙活动在线互动平台。独家分享微信公众平台优秀案例，以及权威专家的精彩观点。',
account_id: 'gh_bc5ec2ee663f',
account_biz: 'MjM5NjM4MDAxMg==',
account_biz_number: 2396380012,
account_qr_code: 'https://open.weixin.qq.com/qr/code?username=gh_bc5ec2ee663f',
msg_has_copyright: false, // 是否原创
msg_content: '省略的文章内容',
msg_author: null, // 作者
msg_sn: '9a0a54f2e7c8ac4019812aa78bd4b3e0',
msg_idx: 1,
msg_mid: 2655078412,
msg_title: '重磅 | 微信订阅号全新改版上线！',
msg_desc: '今后，头图也很重要',
msg_link: 'http://mp.weixin.qq.com/s?__biz=MjM5NjM4MDAxMg==&mid=2655078412&idx=1&sn=9a0a54f2e7c8ac4019812aa78bd4b3e0&chksm=bd5fc40f8a284d19360e956074ffced37d8e2d78cb01a4ecdfaae40247823e7056b9d31ae3ef#rd',
msg_source_url: null, // 音频，视频时，此处为音频、视频链接
msg_cover: 'http://mmbiz.qpic.cn/mmbiz_jpg/OiaFLUqewuIDldpxsV3ZYJzzyH9HTFsSwOEPX82WEvBZozGiam3LbRSzpIIKGzj72nxjhLjnscWsibDPFmnpFZykg/0?wx_fmt=jpeg',
msg_article_type: null, // 文章分类
msg_publish_time: '2018-06-20T10:52:35.000Z', // date 类型
msg_publish_time_str: '2018/06/20 18:52:35',
msg_type: 'post', // 可能为 post text repost voice video image
mp_links: [{ // 在 shouldExtractMpLinks = true 时返回
title: '',
href: ''
}],
tags: [{ // 在 shouldExtractTags = true 时返回
id: '',
url: '',
name: '',
count: 1
}],
repost_meta: { // 在 shouldExtractRepostMeta = true 时返回
account_name: '文章来源账号名字'
}
}
}错误返回
{
done: false,
code: 2002,
msg: '链接已过期'
}常见错误
we-extract 定义了详细的错误信息方便开发和出错处理，1 开头错误表示可能需要重试(或者暂时将内容保存下来 debug)，2 表示没有疑问的错误，可以不处理。
请使用 code(数字类型) 来判断而不是 message 内容，因为 message 可能会变化。
module.exports = {
'1000': '解析失败，可能文章内容不完整',
'1001': '字段缺失',
'1002': '请求文章内容失败',
'1003': '请求文章内容为空',
'1004': '访问过于频繁(URL模式)', // 可以换 ip 重新请求，注意与 2010 的区别
'1005': 'js 变量解析出错',
'2001': '参数缺失',
'2002': '链接已过期',
'2003': '该内容被投诉且经审核涉嫌侵权，无法查看',
'2004': '公众号迁移但文章未同步',
'2005': '该内容已被发布者删除',
'2006': '此内容因违规无法查看',
'2007': '涉嫌违反相关法律法规和政策发送失败',
'2008': '微信文章系统出错',
'2009': '链接不正确',
'2010': '访问过于频繁(HTML模式)', // 解析参数为直接的文章内容，此时该篇内容已经无效，可以丢弃
'2011': '由用户投诉并经平台审核，涉嫌过度营销、骚扰用户',
'2012': '此帐号已被屏蔽',
'2013': '此帐号已自主注销',
'2014': '不实信息'
}经验
- 一个微信由 biz+mid+idx 组成，mid 在单个公众号内唯一。
- 文章所属账号信息以文章解析结果为准，采集搜狗时不要相信账号名字，因为搜狗显示的可能是改名或者迁移前的账号信息。
- 如果在搜狗微信搜不到账号，极有可能是因为公众号改了名字，试试以前的名字应该能搜索到。
- 微信链接的 search 拼接符可能为
&需要做一个替换处理，否则解析链接参数时会有问题。 - 一个 ip 获取微信文章内容有限制，需要限制速率或者轮换 ip。