仅在用户有权访问和保存目标媒体时使用。
核心思路
不要和微信反爬硬碰硬。最稳的成功路径是：
- 先试普通抓取。
- 一旦页面返回“环境异常 / 去验证”，立即切换为：
- 可见 Chrome
- 用户手动完成验证
- 通过 DevTools 远程调试连接已打开页面
- 抓取真实视频/音频地址
- 下载并按文章顺序重命名
执行流程
1) 先判定是否被拦截
- 直接请求文章链接。
- 若返回微信验证页，不继续 headless 硬爬，直接进入人工验证路线。
2) 安装最小工具
优先用户级安装，不要求 sudo。
需要：
playwrightyt-dlp（可选；有时直接 HTTP 下载更稳）
推荐命令：
python3 -m pip install --user playwright yt-dlp
3) 让用户启动可见 Chrome
让用户执行：
google-chrome --remote-debugging-port=9222 --user-data-dir=/tmp/openclaw-wechat-debug
然后让用户：
- 打开目标公众号文章
- 完成微信验证/登录
- 确认页面中的视频和音频能正常显示
4) 连接真实浏览器会话抓 URL
使用：
scripts/capture_wechat_media.py
做法：
- 先读取
http://127.0.0.1:9222/json/version - 取其中
webSocketDebuggerUrl - 用 CDP 连入 Chrome
- 监听 request / response
- 同时保存页面 HTML
若只抓到视频没抓到音频：
- 让用户把每个音频都点一次播放
- 重新抓取
5) 下载媒体
- 视频：优先使用抓到的
mpvideo.qpic.cn直链 - 音频：使用
https://res.wx.qq.com/voice/getvoice?mediaid=<voice_encode_fileid>
注意：
- 某些 MP4 直链用
yt-dlp可能卡收尾；这时直接用 Python HTTP 流式下载反而更稳。
6) 提取标题并重命名
从文章 HTML 中提取：
- 文章标题
<mp-common-mpaudio ... name="..." voice_encode_fileid="...">
按文章顺序输出成：
00. <视频标题>.mp401. <音频标题>.mp302. <音频标题>.mp3- ...
7) 交付与清理
- 把最终文件放入一个干净的新目录
- 可以清理：临时 HTML、JSON、
.part、乱码副本、抓取脚本输出 - 不要默认删除最终交付目录
经验规则
- 微信公众号抓取的关键不是“更强的爬虫”，而是“接管已通过验证的真实浏览器会话”。
- 纯 headless 路线经常失败。
- 音频 URL 经常只有播放后才出现。
- 如果
connect_over_cdp('http://127.0.0.1:9222')返回 400，不要死磕；先取/json/version里的 websocket 地址再连接。
自带资源
scripts/capture_wechat_media.py：连接 Chrome 调试端口，抓取视频/音频请求与页面 HTMLscripts/download_wechat_media.py：下载视频和音频，并根据文章内容重命名references/reusable-workflow.md：可复用操作清单与故障处理