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。
公众号的文章也能抓：走 mp.weixin.qq.com 的 DOM（#js_content）， 按 data-src 取图，不靠通用抽取器——它会把公众号的图全丢掉。 正文里的外链图下载进我们自己的存储（最多 12 张、单张 8 MB）， 地址改成 /attachments/{id}/raw?签名：公众号那边一换图，外链就是一排红叉。 抓取入口谁都能触发，所以只允许公网地址（内网段、回环、链路本地、 保留段、解析不出的域名一律拒绝），否则就是个 SSRF 跳板。 抓不到要说人话："这个链接没抓下来（原因）。想直接记成任务的话， 加「任务：」前缀再发一次。" 反爬验证页、SPA 空壳都走这条路。 - 新增 services/article.py：extract_url / parse / fetch / store_images / compose_body - wechat_intake：整条消息是链接时走抓取，落知识草稿，回「已存成知识草稿：标题」 - 依赖 trafilatura==2.0.0（装法见 requirements.txt 注释：必须逐个装再 --no-deps） - 测试 9 例：链接判定、公众号解析、验证页、通用页裁导航、SSRF 拒绝、图片本地化、失败提示
Steven
Steven
Steven
Steven