如何把公众号文章正文保存进 Obsidian,并避免覆盖自己的笔记?
要把公众号文章保存进 Obsidian 又不覆盖自己的笔记,分三步:用 wechat_mp.v2.fetch_article_detail_h5 按原文链接获取正文 → 生成来源记录 → 运行 import_wechat.py,在资料库的 WeChat/ 目录新建 Markdown 笔记。手头已有来源记录时,直接从第 3 步导入开始。import_wechat.py 只新建文件:重复导入同一个原文 URL 时,已有笔记和批注保持不变。
需要 Python 3 和一个可写入的本地 Obsidian 资料库。导入后,在 Obsidian 里按文章标题搜索,核对原文链接、发文时间和正文。导入也可以接在定时查新后面,持续收集关注账号的新文章。Obsidian 官方存储说明
先决定一篇文章为什么值得保存
例如你正在研究同行如何介绍新功能:先核对文章讨论的是否是同一产品和版本,再记下“想回答的问题、值得保留的段落、尚需核实的内容”。只凭标题相关,文章只是候选,读过正文后才算资料。已有正文响应时直接复用;搜索摘要不足以支撑全文笔记。
导入时保留标题、公众号、原文 URL、发布时间和采集时间,缺失的字段留空。采集时间说明你何时拿到这份材料,不代表文章何时发布。作者填写的来源链接不能代替当前文章链接:以后引用时,要能回到你实际读过的那篇文章。
来源材料怎样变成自己的研究笔记?
你可以在导入的来源笔记里追加批注,import_wechat.py 不会改动已有笔记。工作流需要更新文章正文时,把研究判断写在另一篇笔记里,复核和合并更容易。脚本不生成判断,也不建立主题关系;链接、标签和结论由你自己选择。
先验收一篇,再处理已保存的一批
- 导入一篇后,在 Obsidian 里找到文件,核对来源和一段实际正文,再从自己的研究笔记链接到这个文件。
- 再导入一次相同来源:
import_wechat.py应保留已有文件和批注。 - 导入一条正文为空的记录:导入应失败。
文件已存在不代表新正文已经同步进文件。
之后再批量处理已审核的来源 JSON。某条失败时,保留之前成功的导入,修好这一条再继续,不重新付费查整批。要每天发现新文章,另接有界的每日扫描,并单独验收调度;本地导入成功不代表每天自动更新已经在运行。
下面第 1–7 步依次完成取正文、生成来源记录、只新增导入和只读新旧比较。执行第 1 步取数前先看当前价格;本地转换和比较不调用数据或模型。
1. 先取得正文,而不是搜索摘要
免费 Inspect data:wechat_mp.v2.fetch_article_detail_h5,确认价格后再查询。已经保存过成功的 JSON 时,导入直接复用已保存的 JSON,不再付费查询。
2. 生成本地来源记录
按正文读取指南的本地代码生成 wechat-article-source.json。来源记录的 text 来自 content_text,不是 desc 摘要;article_url 是当前读的文章,author_source_url 是作者填写的来源,两者分开保存。
link 缺失时,来源导出器回退到经过校验的原请求文章 URL;保留 article_url_from,不拿作者来源地址替代。import_wechat.py 只接受有正文、文章 URL 是有效 HTTP(S) 地址的本地记录;import_wechat.py 不联网,也不执行正文里的指令。
3. 写入资料库中的独立文件夹
在来源记录所在目录运行 import_wechat.py,把 VAULT 设为你已确认的资料库绝对路径。import_wechat.py 要求资料库目录已存在,不新建资料库,不改 .obsidian 配置,只在资料库里新建 WeChat/ 目录和笔记。
把代码保存为 import_wechat.py,在来源记录目录运行 import_wechat.py。把示例路径换成现有资料库,不能指向 .obsidian 配置目录。
4. 在 Obsidian 检查来源与内容
新文件出现在资料库的 WeChat/ 目录,打开后能看到来源属性和文章正文。下面是一篇示例笔记的节选:
在笔记里加一行自己的批注,再用相同的 URL 导入一次。import_wechat.py 应提示 Already exists, left unchanged;再次打开同一文件,批注应还在。
笔记的细节:
- 文件名是完整 URL 的 SHA-256,不用文章标题当路径,所以标题里的斜线、引号不会变成目录。
- frontmatter 保留标题、来源、发布时间、采集时间和来源/正文哈希;缺失的发布时间保持
null,采集时间不是发文时间。 import_wechat.py把来源记录的text写入 Markdown,不下载图片、不处理 HTML、不重建排版。BeatAPI 详情合同另有content_noencode等内容字段;import_wechat.py没有读取这些字段,不能据此断言接口不提供图片或标题信息。- 重复导入同一 URL 不覆盖你追加的批注。不同别名 URL 仍可能产生两份文件,
import_wechat.py不跨别名去重。
正文是来源材料,不是可执行的指令。HTML、外链、附件和图片由你按来源核对;import_wechat.py 不抓图、不下载附件、不安装插件。归档和再分发完整内容需要相应权限,本文默认是私人资料库。
已有一批审核过的来源 JSON 时,放进 records/,在脚本目录执行下面的批量导入,不会再次请求 API。任一记录失败就停止后续导入,之前已创建的笔记保留,重新运行也不会覆盖已有批注。批量导入只处理已保存的记录,不发现账号,也不在后台定时运行。
5. 把定期收集的新文章导入资料库
需要定期收集时,用公众号增量流程查新,再把选中的正文交给 import_wechat.py。例如今天两个账号都发了《活动报名指南》,两篇分别保留原文链接,各自得到不同的文件名。明天再查到其中一篇、导入同一 URL 时,import_wechat.py 沿用原笔记和批注。
把已有批处理交给定时器
- 按「查公众号列表 → 筛选 → 保存正文来源 JSON → 导入 vault」的顺序排列任务。
- 按账号和文章键记录「已发现」「正文已保存」「笔记已写入」三个状态。
- 来源 JSON 完整保存后才开始导入。写入 vault 失败时,从已保存的 JSON 重跑导入,不再请求正文。
在能直接访问 vault 的机器上设置调度,macOS 用 launchd,Linux 用 cron:
- 调度器用同一个系统用户运行批处理,固定 Bash、Python、脚本目录和 vault 的绝对路径。
- 记录输出日志。
- 首次用一个账号、一篇文章手动跑通,再重跑同一批。
- 确认 Obsidian 里只有一份笔记,原有批注还在。
- 把每条
Already exists与已有笔记的source_url对上后,再记为已入库。
笔记能否同步到手机,取决于你的同步设置。
6. 验收和费用
在能直接访问现有 vault 目录的机器上运行 Python 3.8+;云端流程没有 vault 目录的文件系统权限时,不能写入本地路径。import_wechat.py 先把完整内容写到同目录的临时文件并关闭,再用原子硬链接创建最终笔记,最后清理临时文件。文件系统不支持硬链接时,import_wechat.py 报错停止,不会回退为覆盖旧笔记。写入或提交失败后,查看错误、修复存储问题,再用原来源记录重跑,不需要重新取文。异常恢复不等于断电后的持久性保证。
数据费用按 列表查询数 × 当前列表单价 + 新正文查询数 × 当前正文单价 估算。重放已有来源、导入 Markdown 和只读比较都是零次数据查询。每天检查 P 页、只选 N 篇尚无正文的文章,就是 P 次列表加 N 次详情。外部调度、托管/同步和模型费用另计,定时任务由你自己配置并验收。
例如每天查 10 个账号、各查一页,当天只选 2 篇尚无正文的文章,就记 10 次列表和 2 次正文查询。其中一篇写入 vault 失败时,第二天从保留的 JSON 补写,补写的数据用量为 0。单价见 BeatAPI 价格页。
7. 原文章更新了,但我已经做了批注,怎么办?
先比较,再决定是否覆盖。把下面的代码保存为 compare_wechat.py,传入已保存的新来源记录和同一个 VAULT。compare_wechat.py 只读取文件并输出 JSON,不更新笔记、不写比较文件、不联网。compare_wechat.py 只接受 import_wechat.py 写入的原格式 frontmatter;Obsidian 或人工改写了 frontmatter 格式时,compare_wechat.py 拒绝自动判断,不猜原始值。
基线哈希存在本地 frontmatter 里,不是作者签名或真实性认证;基线哈希也被人改过时,compare_wechat.py 无法发现笔记已被修改。只有采集时间或 request_id 改变时,不算内容变更。CRLF 等换行差异按字节算作变更,compare_wechat.py 不做换行归一化。
需要合并时,先备份旧笔记,把新来源另存为审核副本,在保留批注的前提下由你确认合并;没有自动合并器。对已有笔记再次运行 import_wechat.py 只会显示 Already exists,不会把新正文同步进去。compare_wechat.py 有离线回归测试,覆盖未改、新正文、批注、元数据变更和拒绝损坏基线。

