wechat-article-parser 0.0.2__tar.gz → 0.0.4__tar.gz

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: wechat-article-parser
-Version: 0.0.2
+Version: 0.0.4
 Summary: WeChat MP article parser - extract metadata and content from WeChat public account articles
 License-Expression: MIT
 License-File: LICENSE
@@ -75,12 +75,14 @@ print(result.article_markdown)
 
 - `timeout`：请求超时时间，单位秒，默认 15
 - `user_agent`：自定义 User-Agent，不传则使用内置默认值
+- `proxy`：HTTP/HTTPS 代理地址，不传则直连
 
 ```python
 result = parse(
     "https://mp.weixin.qq.com/s/xxxxx",
     timeout=30,
     user_agent="MyBot/1.0",
+    proxy="http://user:pass@127.0.0.1:7890",
 )
 ```
 
@@ -96,6 +98,7 @@ result = parse(
 | `mp_alias` | `str` | 公众号别名 |
 | `mp_image` | `str` | 公众号头像链接 |
 | `mp_description` | `str` | 公众号简介 |
+| `mp_account_type` | `AccountType` | 账号类型：`AccountType.SUBSCRIPTION`（订阅号）/ `AccountType.SERVICE`（服务号）/ `AccountType.UNKNOWN`（未识别） |
 | `article_id` | `str` | 文章 ID |
 | `article_msg_id` | `int` | 文章所在的群发消息 ID |
 | `article_idx` | `int` | 群发图文中的位置（从 1 开始） |
@@ -110,6 +113,27 @@ result = parse(
 
 `is_valid` 为 `True` 的条件：`mp_id`、`mp_name`、`article_id`、`article_msg_id`、`article_idx`、`article_sn`、`article_title`、`article_markdown`、`article_publish_time` 均不为空/零。
 
+### 判断账号类型
+
+`AccountType` 继承自 `str` 枚举，既支持枚举比较，也支持与中文字符串直接比较：
+
+```python
+from wechat_article_parser import parse, AccountType
+
+result = parse("https://mp.weixin.qq.com/s/xxxxx")
+
+# 推荐：枚举比较（有类型提示与 IDE 补全）
+if result.mp_account_type == AccountType.SERVICE:
+    print("这是服务号")
+
+# 也支持：字符串字面量比较
+if result.mp_account_type == "服务号":
+    print("这是服务号")
+
+# 打印直接输出中文值
+print(f"账号类型: {result.mp_account_type}")  # 账号类型: 订阅号
+```
+
 ## 异常处理
 
 ### WeChatVerifyError
@@ -181,3 +205,17 @@ pytest tests/test_parser.py::test_fetch_all -s --url "https://mp.weixin.qq.com/s
 ```bash
 pytest tests/test_parser.py::test_fetch_markdown -s --url "https://mp.weixin.qq.com/s/xxxxx"
 ```
+
+### 通过 HTTP 代理运行测试
+
+所有测试命令都支持 `--proxy` 参数，传入后所有请求都会经由该代理；不传则直连。常用于 IP 被微信限流时换出口：
+
+```bash
+# 全量测试走代理
+pytest tests/test_parser.py -v -s --proxy "http://127.0.0.1:7890"
+
+# 测试单个链接走代理
+pytest tests/test_parser.py::test_fetch_all -s \
+  --url "https://mp.weixin.qq.com/s/xxxxx" \
+  --proxy "http://user:pass@127.0.0.1:7890"
+```

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/README.md

@@ -60,12 +60,14 @@ print(result.article_markdown)
 
 - `timeout`：请求超时时间，单位秒，默认 15
 - `user_agent`：自定义 User-Agent，不传则使用内置默认值
+- `proxy`：HTTP/HTTPS 代理地址，不传则直连
 
 ```python
 result = parse(
     "https://mp.weixin.qq.com/s/xxxxx",
     timeout=30,
     user_agent="MyBot/1.0",
+    proxy="http://user:pass@127.0.0.1:7890",
 )
 ```
 
@@ -81,6 +83,7 @@ result = parse(
 | `mp_alias` | `str` | 公众号别名 |
 | `mp_image` | `str` | 公众号头像链接 |
 | `mp_description` | `str` | 公众号简介 |
+| `mp_account_type` | `AccountType` | 账号类型：`AccountType.SUBSCRIPTION`（订阅号）/ `AccountType.SERVICE`（服务号）/ `AccountType.UNKNOWN`（未识别） |
 | `article_id` | `str` | 文章 ID |
 | `article_msg_id` | `int` | 文章所在的群发消息 ID |
 | `article_idx` | `int` | 群发图文中的位置（从 1 开始） |
@@ -95,6 +98,27 @@ result = parse(
 
 `is_valid` 为 `True` 的条件：`mp_id`、`mp_name`、`article_id`、`article_msg_id`、`article_idx`、`article_sn`、`article_title`、`article_markdown`、`article_publish_time` 均不为空/零。
 
+### 判断账号类型
+
+`AccountType` 继承自 `str` 枚举，既支持枚举比较，也支持与中文字符串直接比较：
+
+```python
+from wechat_article_parser import parse, AccountType
+
+result = parse("https://mp.weixin.qq.com/s/xxxxx")
+
+# 推荐：枚举比较（有类型提示与 IDE 补全）
+if result.mp_account_type == AccountType.SERVICE:
+    print("这是服务号")
+
+# 也支持：字符串字面量比较
+if result.mp_account_type == "服务号":
+    print("这是服务号")
+
+# 打印直接输出中文值
+print(f"账号类型: {result.mp_account_type}")  # 账号类型: 订阅号
+```
+
 ## 异常处理
 
 ### WeChatVerifyError
@@ -166,3 +190,17 @@ pytest tests/test_parser.py::test_fetch_all -s --url "https://mp.weixin.qq.com/s
 ```bash
 pytest tests/test_parser.py::test_fetch_markdown -s --url "https://mp.weixin.qq.com/s/xxxxx"
 ```
+
+### 通过 HTTP 代理运行测试
+
+所有测试命令都支持 `--proxy` 参数，传入后所有请求都会经由该代理；不传则直连。常用于 IP 被微信限流时换出口：
+
+```bash
+# 全量测试走代理
+pytest tests/test_parser.py -v -s --proxy "http://127.0.0.1:7890"
+
+# 测试单个链接走代理
+pytest tests/test_parser.py::test_fetch_all -s \
+  --url "https://mp.weixin.qq.com/s/xxxxx" \
+  --proxy "http://user:pass@127.0.0.1:7890"
+```

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/pyproject.toml

@@ -4,7 +4,7 @@ build-backend = "hatchling.build"
 
 [project]
 name = "wechat-article-parser"
-version = "0.0.2"
+version = "0.0.4"
 description = "WeChat MP article parser - extract metadata and content from WeChat public account articles"
 readme = "README.md"
 requires-python = ">=3.10"

wechat_article_parser-0.0.4/src/wechat_article_parser/__init__.py

@@ -0,0 +1,4 @@
+from .models import AccountType, ArticleResult, WeChatVerifyError
+from .parser import parse, parse_async
+
+__all__ = ["parse", "parse_async", "ArticleResult", "AccountType", "WeChatVerifyError"]

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/src/wechat_article_parser/models.py

@@ -1,12 +1,27 @@
 from __future__ import annotations
 
 from dataclasses import dataclass, field
+from enum import Enum
 
 
 class WeChatVerifyError(Exception):
     """微信返回了验证码/人机验证页面，而非文章内容时抛出此异常。"""
 
 
+class AccountType(str, Enum):
+    """公众号账号类型。继承自 str，既可按枚举比较也可按字符串比较。"""
+
+    UNKNOWN = ""
+    SUBSCRIPTION = "订阅号"
+    SERVICE = "服务号"
+
+    def __str__(self) -> str:
+        return self.value
+
+    def __format__(self, format_spec: str) -> str:
+        return format(self.value, format_spec)
+
+
 @dataclass
 class ArticleResult:
     """微信公众号文章的解析结果。"""
@@ -18,6 +33,7 @@ class ArticleResult:
     mp_alias: str = ""
     mp_image: str = ""
     mp_description: str = ""
+    mp_account_type: AccountType = AccountType.UNKNOWN
 
     # 文章信息
     article_id: str = ""

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/src/wechat_article_parser/parser.py

@@ -11,7 +11,7 @@ import httpx
 from bs4 import BeautifulSoup, Tag
 from markdownify import MarkdownConverter
 
-from .models import ArticleResult, WeChatVerifyError
+from .models import AccountType, ArticleResult, WeChatVerifyError
 
 _USER_AGENT = (
     "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
@@ -76,6 +76,15 @@ def _normalize_image_url(url: str) -> str:
     return url
 
 
+def _service_type_to_account_type(value: str) -> AccountType:
+    """映射 WeChat new_service_type 到账号类型：0/1 → 订阅号，2 → 服务号。"""
+    if value in ("0", "1"):
+        return AccountType.SUBSCRIPTION
+    if value == "2":
+        return AccountType.SERVICE
+    return AccountType.UNKNOWN
+
+
 def _extract_picture_cdn_urls(script_text: str) -> list[str]:
     """从 picture_page_info_list 中只提取正文图片的 cdn_url，排除 watermark_info 和 share_cover 中的。"""
     urls: list[str] = []
@@ -120,8 +129,21 @@ def _extract_meta(soup: BeautifulSoup, result: ArticleResult) -> None:
             setattr(result, attr, value)
 
 
+def _extract_account_type(script_text: str, result: ArticleResult) -> None:
+    """从 new_service_type 中提取账号类型：0/1 → 订阅号，2 → 服务号。"""
+    if result.mp_account_type:
+        return
+    m = re.search(r"new_service_type:\s*'(\d+)'", script_text)
+    if m:
+        account_type = _service_type_to_account_type(m.group(1))
+        if account_type != AccountType.UNKNOWN:
+            result.mp_account_type = account_type
+
+
 def _extract_rich_text_meta(script_text: str, result: ArticleResult) -> None:
     """从富文本文章的 script 标签中提取元数据。"""
+    _extract_account_type(script_text, result)
+
     if "var hd_head_img" in script_text:
         m = re.search(r'var hd_head_img = "([^"]+)"', script_text)
         if m:
@@ -164,6 +186,8 @@ def _extract_rich_text_meta(script_text: str, result: ArticleResult) -> None:
 
 def _extract_swiper_meta(script_text: str, result: ArticleResult) -> None:
     """从图片轮播 / 纯文本 / 视频分享页面的 script 标签中提取元数据。"""
+    _extract_account_type(script_text, result)
+
     if "window.__initCgiDataConfig =" in script_text:
         m = re.search(r"d\.hd_head_img.*?:\s*'([^']+)'", script_text)
         if m:
@@ -452,30 +476,50 @@ def _parse_html(url: str, html: str) -> ArticleResult:
 # 公开接口
 # ---------------------------------------------------------------------------
 
-def parse(url: str, *, timeout: int = _TIMEOUT, user_agent: str | None = None) -> ArticleResult:
+def parse(
+    url: str,
+    *,
+    timeout: int = _TIMEOUT,
+    user_agent: str | None = None,
+    proxy: str | None = None,
+) -> ArticleResult:
     """抓取并解析微信公众号文章（同步方式）。
 
     Args:
         url: 微信文章链接。
         timeout: 请求超时时间（秒）。
         user_agent: 自定义 User-Agent，不传则使用内置默认值。
+        proxy: HTTP/HTTPS 代理地址，例如 "http://user:pass@host:port"，不传则直连。
 
     Returns:
         包含解析数据的 ArticleResult。
     """
     ua = user_agent or _USER_AGENT
-    response = httpx.get(url, headers={"User-Agent": ua}, timeout=timeout, follow_redirects=True)
-    response.raise_for_status()
-    return _parse_html(url, response.text)
+    with httpx.Client(
+        headers={"User-Agent": ua},
+        timeout=timeout,
+        follow_redirects=True,
+        proxy=proxy,
+    ) as client:
+        response = client.get(url)
+        response.raise_for_status()
+        return _parse_html(url, response.text)
 
 
-async def parse_async(url: str, *, timeout: int = _TIMEOUT, user_agent: str | None = None) -> ArticleResult:
+async def parse_async(
+    url: str,
+    *,
+    timeout: int = _TIMEOUT,
+    user_agent: str | None = None,
+    proxy: str | None = None,
+) -> ArticleResult:
     """抓取并解析微信公众号文章（异步方式）。
 
     Args:
         url: 微信文章链接。
         timeout: 请求超时时间（秒）。
         user_agent: 自定义 User-Agent，不传则使用内置默认值。
+        proxy: HTTP/HTTPS 代理地址，例如 "http://user:pass@host:port"，不传则直连。
 
     Returns:
         包含解析数据的 ArticleResult。
@@ -485,6 +529,7 @@ async def parse_async(url: str, *, timeout: int = _TIMEOUT, user_agent: str | No
         headers={"User-Agent": ua},
         timeout=timeout,
         follow_redirects=True,
+        proxy=proxy,
     ) as client:
         response = await client.get(url)
         response.raise_for_status()

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/tests/conftest.py

@@ -3,6 +3,7 @@ import pytest
 
 def pytest_addoption(parser):
     parser.addoption("--url", default=None, help="微信公众号文章链接")
+    parser.addoption("--proxy", default=None, help="HTTP 代理地址，例如 http://127.0.0.1:7890")
 
 
 @pytest.fixture
@@ -11,3 +12,8 @@ def url(request):
     if not value:
         pytest.skip("需要通过 --url 参数传入链接")
     return value
+
+
+@pytest.fixture
+def proxy(request):
+    return request.config.getoption("--proxy")

{wechat_article_parser-0.0.2 → wechat_article_parser-0.0.4}/tests/test_parser.py

@@ -12,13 +12,15 @@ TEST_URLS = [
     "https://mp.weixin.qq.com/s/DmZXjgIzq5gBo3H-YtcjVw",
     "https://mp.weixin.qq.com/s/80bysSCadvy9VbaovXBv2g",
     "https://mp.weixin.qq.com/s/sfwGsafriO9sm6PfbQVXhw",
+    "https://mp.weixin.qq.com/s/h8E6riExCaH2Znmnprj-WQ",
+    "https://mp.weixin.qq.com/s/ySQdtsRlRmAl_skdc5HQ-A",
 ]
 
 
 @pytest.mark.parametrize("url", TEST_URLS)
-def test_parse_sync(url: str) -> None:
+def test_parse_sync(url: str, proxy: str | None) -> None:
     try:
-        result = parse(url)
+        result = parse(url, proxy=proxy)
     except WeChatVerifyError:
         pytest.skip("WeChat returned verification page (IP rate-limited)")
         return
@@ -27,9 +29,9 @@ def test_parse_sync(url: str) -> None:
 
 @pytest.mark.parametrize("url", TEST_URLS)
 @pytest.mark.asyncio
-async def test_parse_async(url: str) -> None:
+async def test_parse_async(url: str, proxy: str | None) -> None:
     try:
-        result = await parse_async(url)
+        result = await parse_async(url, proxy=proxy)
     except WeChatVerifyError:
         pytest.skip("WeChat returned verification page (IP rate-limited)")
         return
@@ -43,6 +45,7 @@ def _assert_result(result: ArticleResult, url: str) -> None:
     print(f"公众号ID:     {result.mp_id}")
     print(f"公众号名称:   {result.mp_name}")
     print(f"公众号别名:   {result.mp_alias}")
+    print(f"账号类型:     {result.mp_account_type}")
     print(
         f"公众号图片:   {result.mp_image[:80]}..."
         if result.mp_image
@@ -86,18 +89,19 @@ def _assert_result(result: ArticleResult, url: str) -> None:
     assert result.is_valid
 
 
-def test_fetch_all(url: str) -> None:
+def test_fetch_all(url: str, proxy: str | None) -> None:
     """抓取指定 URL 并打印所有采集到的参数。
 
-    用法: pytest tests/test_parser.py::test_fetch_all -s --url <URL>
+    用法: pytest tests/test_parser.py::test_fetch_all -s --url <URL> [--proxy <PROXY>]
     """
-    result = parse(url)
+    result = parse(url, proxy=proxy)
     print(f"\n{'='*60}")
     print(f"URL:          {url}")
     print(f"公众号ID(B64):{result.mp_id_b64}")
     print(f"公众号ID:     {result.mp_id}")
     print(f"公众号名称:   {result.mp_name}")
     print(f"公众号别名:   {result.mp_alias}")
+    print(f"账号类型:     {result.mp_account_type}")
     print(f"公众号图片:   {result.mp_image}")
     print(f"公众号简介:   {result.mp_description}")
     print(f"文章ID:       {result.article_id}")
@@ -116,10 +120,10 @@ def test_fetch_all(url: str) -> None:
     print(f"{'='*60}")
 
 
-def test_fetch_markdown(url: str) -> None:
+def test_fetch_markdown(url: str, proxy: str | None) -> None:
     """抓取指定 URL 并只打印 Markdown 内容。
 
-    用法: pytest tests/test_parser.py::test_fetch_markdown -s --url <URL>
+    用法: pytest tests/test_parser.py::test_fetch_markdown -s --url <URL> [--proxy <PROXY>]
     """
-    result = parse(url)
+    result = parse(url, proxy=proxy)
     print(f"\n{result.article_markdown}")

wechat_article_parser-0.0.2/src/wechat_article_parser/__init__.py

@@ -1,4 +0,0 @@
-from .models import ArticleResult, WeChatVerifyError
-from .parser import parse, parse_async
-
-__all__ = ["parse", "parse_async", "ArticleResult", "WeChatVerifyError"]