fix(wechat): 公众号新版页面抓不到正文，改从 cgiDataNew 里读

用户发来 https://mp.weixin.qq.com/s/ZEOsi4R4JcmZ_mhS6qpcww，存进库的正文只有 67 个字符
（"原文链接 + 一个句号"）。复盘发现公众号换了渲染方式：新版页面把整篇塞进
window.cgiDataNew 这个 JS 对象由前端渲染，页面里根本没有 id="js_content"；
三种 UA 拿到的字节数完全一样，也不是 UA 的问题。

- 从 JS 字符串字面量里读正文（content_noencode / desc），按 \xNN、\uNNNN 反转义，
  话题标签是双重转义过的 HTML，先 unescape 再走 DOM。
- 配图字段排在文字之后，所以前后各找 2500 字符合图；剩下没用过的 mmbiz 图按
  12 张上限补在末尾（图文型文章靠就近配对会漏）。
- 解析顺序：旧 DOM → 新版 JS 数据 → 通用抽取，一层层退。

实测两篇：2373 字符 + 12 张图、2772 字符 + 13 张图，作者也都取到了。

同时补上用户提的两件：

- 知识能删了：DELETE /knowledge/{id}?confirm=true，软删 + 真删检索切片，
  只有作者或 owner/admin 能删；列表卡片（悬停出现）和阅读页动作行各一个入口。
  删完详情也回 7001，否则收藏的链接还能打开一篇已删除的知识。
- 分类下面有标签清单了：GET /knowledge/tags 按标签数"有多少条知识用了它"，
  侧栏渲染成 #标签 + 条数，点一下筛选、再点取消。

backend/app/services/article.py

@@ -15,6 +15,7 @@
 
 from __future__ import annotations
 
+import html as html_mod
 import ipaddress
 import re
 import socket
@@ -55,6 +56,15 @@ WECHAT_UA = (
 
 IMAGE_EXTS = {"jpeg": "jpg", "jpg": "jpg", "png": "png", "gif": "gif", "webp": "webp"}
 
+# 公众号新版页面（2024 之后）不再把正文放进 `#js_content`，而是把整篇塞进
+# `window.cgiDataNew` 这个 JS 对象里，由前端渲染。所以还得会读 JS 字符串字面量：
+# 换行写成 `\x0a`，话题链接是 `\x26lt;a …\x26gt;`（先转义成实体、再转义成 JS）。
+_WECHAT_FIELD_RE = re.compile(r"(?:content_noencode|desc)\s*:\s*'")
+_WECHAT_IMAGE_RE = re.compile(
+    r"""(?:cdn_url|img_url|pic_url)\s*:\s*['"]((?:https?:)?//[^'"]*mmbiz\.qpic\.cn[^'"]*)['"]"""
+)
+_JS_ESCAPE_RE = re.compile(r"\\(x[0-9a-fA-F]{2}|u[0-9a-fA-F]{4}|.)", re.S)
+
 
 class ArticleError(RuntimeError):
     """抓取/解析没成功。调用方据此决定降级方式。"""
@@ -174,6 +184,10 @@ def _wechat_meta(html: str) -> tuple[str, str, list[tuple[str, str]]]:
         author = " ".join(p for p in parts if p)
         if author:
             break
+    if not author:
+        # 新版页面没有 #js_name，公众号名在 cgiDataNew 的 nick_name 字段里
+        found = re.search(r"nick_name\s*:\s*'([^']{1,80})'", html)
+        author = _clean_text(found.group(1)) if found else ""
     return title, author, tree
 
 
@@ -244,6 +258,115 @@ def _wechat_body(html: str) -> str:
     return "\n\n".join(s.strip() for s in "\n".join(out).split("\n\n") if s.strip())
 
 
+def _js_literal(text: str, quote_pos: int) -> str:
+    """读一个单引号 JS 字符串的原始内容（`quote_pos` 指向那个开引号）。"""
+    out: list[str] = []
+    i = quote_pos + 1
+    while i < len(text):
+        ch = text[i]
+        if ch == "\\":
+            out.append(text[i : i + 2])
+            i += 2
+            continue
+        if ch == "'":
+            break
+        out.append(ch)
+        i += 1
+    return "".join(out)
+
+
+def _unescape_js(raw: str) -> str:
+    def repl(match: re.Match[str]) -> str:
+        seq = match.group(1)
+        if seq[0] in "xu" and len(seq) > 1:
+            return chr(int(seq[1:], 16))
+        return {"n": "\n", "t": "\t", "r": "\r", "'": "'", '"': '"', "\\": "\\"}.get(seq, seq)
+
+    return _JS_ESCAPE_RE.sub(repl, raw)
+
+
+def _wechat_data_body(html_text: str) -> str:
+    """新版公众号：从 `window.cgiDataNew` 的 JS 字段里把正文和配图捞出来。
+
+    一篇文章是若干「图片 + 一段说明文字」拼起来的，JS 里是
+    `cdn_url: '…'` 后面紧跟 `desc` / `content_noencode`，所以按出现顺序取文字，
+    再往回找它自己那张图，配图就跟着段落走。
+    """
+    blocks: list[str] = []
+    seen_text: set[str] = set()
+    used_images: set[str] = set()
+    for match in _WECHAT_FIELD_RE.finditer(html_text):
+        piece = _fragment_to_markdown(_unescape_js(_js_literal(html_text, match.end() - 1)))
+        if len(piece) < 30 or piece in seen_text:
+            continue
+        seen_text.add(piece)
+        image = _nearby_image(html_text, match.start(), used_images)
+        if image and "![](" not in piece:
+            used_images.add(image)
+            piece = f"{piece}\n\n![]({image})"
+        blocks.append(piece)
+    # 图文型文章（"小绿书"）的图不在文字附近，靠上面的就近配对会漏掉；
+    # 剩下的正文图统一补在末尾，宁可顺序差点也别丢图。
+    leftover: list[str] = []
+    for match in _WECHAT_IMAGE_RE.finditer(html_text):
+        image = match.group(1)
+        image = image if image.startswith("http") else f"https:{image}"
+        if image in used_images:
+            continue
+        used_images.add(image)
+        leftover.append(f"![]({image})")
+        if len(leftover) >= MAX_IMAGES:
+            break
+    if leftover:
+        blocks.append("\n\n".join(leftover))
+    return "\n\n".join(blocks).strip()
+
+
+def _fragment_to_markdown(fragment: str) -> str:
+    """把「实体转义 + 夹着标签」的正文片段变成 markdown 文本。
+
+    公众号把话题标签写成 `&lt;a class="wx_topic_link" …&gt;#调料&lt;/a&gt;`，
+    先 unescape 再当 HTML 处理，标签会被去掉、只留文字；`<img>` 转成 markdown。
+    """
+    from lxml import html as lxml_html
+
+    fragment = html_mod.unescape(fragment or "")
+    fragment = re.sub(
+        r"""<img[^>]*?(?:data-src|src)\s*=\s*["']([^"']+)["'][^>]*>""",
+        lambda m: f"\n\n![]({m.group(1)})\n\n",
+        fragment,
+        flags=re.I,
+    )
+    fragment = re.sub(r"<br\s*/?>", "\n", fragment, flags=re.I)
+    try:
+        tree = lxml_html.fragment_fromstring(fragment, create_parent="div")
+        text = tree.text_content()
+    except Exception:  # 片段结构烂到 lxml 都不认，直接剥标签
+        text = re.sub(r"<[^>]+>", "", fragment)
+    text = text.replace("\u00a0", " ")
+    lines = [re.sub(r"[ \t\u3000]+", " ", line).strip() for line in text.splitlines()]
+    out: list[str] = []
+    for line in lines:
+        if not line and (not out or not out[-1]):
+            continue
+        out.append(line)
+    return "\n".join(out).strip()
+
+
+def _nearby_image(html_text: str, pos: int, used: set[str]) -> str | None:
+    """这条文字对应的配图：先往后找（新版页面图片字段排在文字之后），再往回找。"""
+    for start, end in ((pos, pos + 2500), (max(0, pos - 2500), pos)):
+        found = [
+            m.group(1)
+            for m in _WECHAT_IMAGE_RE.finditer(html_text, start, min(end, len(html_text)))
+            if m.group(1) not in used
+        ]
+        if found:
+            image = found[0]
+            return image if image.startswith("http") else f"https:{image}"
+    return None
+
+
 def _block_markdown(html: str) -> str:
     """兜底的正文提取：找出"装着最多段文字"的那个容器，再按段落拼成 markdown。
 
@@ -371,7 +494,7 @@ def parse_article(html: str, url: str) -> Article:
         raise ArticleError("微信把这篇拦下来了（需要人工验证或链接已失效）")
     if is_wechat_article(url):
         title, author, _tree = _wechat_meta(html)
-        body = _wechat_body(html)
+        body = _wechat_body(html) or _wechat_data_body(html)
         if not body.strip():
             # 公众号偶尔会换结构，退回通用抽取，宁可少图也别丢正文
             article = _generic_article(html, url)