微信读书全文导出 Weread Fulltext

--- name: weread-fulltext description: 微信读书整本书全文导出为 Markdown。两层架构：采集层（大视口画布扫掠 + 真实键盘翻页，零注入零写入）+ 离线重建层（官方章节骨架 + 证据化拼接 + 全程溯源）。支持 canvas 防拷贝渲染书籍。产物带来源索引与质量报告。 --- # 微信读书全文导出 (weread-fulltext) v2 把微信读书里一本书的**完整正文**导出为可溯源的 Markdown。 ## 两层架构 | 层 | 依赖 | 职责 | | --- | --- | --- | | **采集层** | 浏览器登录态 | 大视口（1920×2160）下画布容纳整章，真实键盘 ArrowRight 逐跨页推进，被动 `toDataURL` 导出画布 | | **重建层** | 无（纯离线） | 官方 chapterUid 骨架 + 阅读顺序指针分章 + 证据化拼接（包含/重叠/页序连续），OCR 缓存键 = 图片 SHA-256，产出正文 + source_map.json + quality_report.md | ## 使用 ```bash # 0) 依赖（一次性） pip install -r scripts/requirements.txt playwright install chromium # 1) 首次登录（弹出浏览器，微信扫码） python scripts/export_fulltext.py --login # 2) 采集 + 重建一本书 python scripts/export_fulltext.py --book-id 3300229133 --out ./exports # 3) 仅离线重建已有运行（不打开浏览器） python scripts/export_fulltext.py --rebuild-run ./exports/3300229133/run_YYYYMMDD_HHMMSS # 可选：--headless --max-spreads 60 ``` 产物在 `exports/<bookId>/run_<时间戳>/` 下：`fde_rebuilt.md`（正文，问题章节带状态标注 + 备选捕获附录）、`source_map.json`（段落→图片→OCR 行溯源）、`quality_report.md`、`manifest.jsonl`、`run_meta.json`（起止位置与停止原因）、`spreads/` 截图。 ## 账号安全设计 - **只读不写**：不调用写接口，不写想法/划线/书架 - **原生翻页**：只发真实键盘方向键；不注入 JS、不 hook 任何页面对象、不拦截请求 - **拟人节奏**：翻页间隔 2.3–3.4s 随机；采集前自动回退到书首并记录实际位置 - **零第三方窗口**；OCR 全程本地（RapidOCR） - ⚠️ 自动化仍有理论风险，**建议优先小号**；一次一本，勿连续批量 ## 已验证能力（FDE 一书，52 章实测） - 48/52 章 OK（字数覆盖 96–100%）；4 个例外均为结构性页面（封面无正文、版权页为背景图、两枚分隔页） - 长章跨跨页自动拼接（2.3 章三片段 → 98%）；同章重复渲染自动识别为备选，不静默丢弃 - 重复的 7.1 异文已定性为 OCR 行级方差，处置记录在 quality_report.md ## 未验证范围与限制（诚实声明） - **整书完整性**：质量报告只主张"现有材料已全部处理 + 章节归属可信 + 拼接有据"；字数比是异常筛查指标，不是完整性证明。整书完整取决于采集覆盖（见 run_meta.json 的 stop_reason） - OCR 非逐字精确：中文接近无损，英文专名有 I/l 混淆（内置小词典校正，无法覆盖的保留原文）；个别错字建议对照原文核验 - 版权页/图片页正文为图片渲染，OCR 不可得，不计入完整性 - 采集层已在真实账号环境跑通，但独立脚本路径（全新 Playwright + 扫码登录）与 FDE 成品所用环境不完全相同，首次使用建议小号验证 ## 与其他方案的区别 - 划线类工具（obsidian-weread-plugin、weread2notion）：只有划线，无正文 - weread-dl（ClawHub）：依赖 DOM 绝对定位字符，canvas 防拷贝书拿不到正文 - 本 skill：canvas 书可用；v2 起带来源溯源与质量报告，错误可回溯到原图

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

相关资产