公众号图文要进政务CMS这事听起来不算大但真做起来能让人挠头一整天。我前阵子帮一个单位处理内容同步编辑每天最烦的就是把刚发在公众号上的通知再搬到官网后台复制粘贴过去样式全乱图片裂开一片表格歪七扭八段落缩进全丢最后只能手工一点一点重排。折腾了几次之后我把整个流程梳理成一套能复用的导入方案从来源渠道、HTML清洗、图片迁移到自动化脚本全走了一遍。这篇就把这套方案完整拆开讲适合政务网站运维、CMS管理员、内容编辑还有给政务系统做开发的同学参考。先说清楚一个基本判断政务CMS处理公众号图文导入核心问题从来不是“能不能导”而是“导进来之后干不干净、合不合规范”。公众号编辑器生成的是一套带大量内联样式和特殊标签的HTML直接扔进CMS富文本编辑器轻则样式错乱重则整段结构损坏。图片更麻烦公众号的图片做了防盗链原样外链到政务网站上经常会裂开。所以整个导入方案要围绕“清洗、转换、迁移、入库、审核”这五件事来做缺一个环节都会在发布后暴露问题。1. 公众号图文进CMS到底有哪几条路可以走1.1 三种常见来源渠道的对比我接触过的政务单位公众号图文进入CMS基本只有三种渠道第一是人工复制粘贴。编辑登录公众号后台打开图文素材全选复制然后粘到CMS的富文本编辑器里。这条路最直接但问题也最多微信编辑器复制出来的HTML带大量私有标签和样式CMS编辑器往往不认识粘贴后要么被过滤得干干净净要么留下一堆没法看的嵌套结构。图片也基本是原样外链过几天就会因为防盗链或者临时URL失效变成红叉。第二是走公众号平台提供的开发者接口自动拉取素材。这条路比较正规但门槛在于接口权限。公众号需要是认证的服务号而且要开通素材管理相关权限拿到AppID和AppSecret之后才能调用。政务单位很多号是订阅号或者没有完成认证接口这条路不一定走得通。第三是后台手工导出再通过CMS的“批量导入”功能入库。公众号后台本身没有直接导出HTML的功能但这个“导出”可以换成另一种形式在公众号文章页面上用浏览器“另存为”或者从编辑器源码里复制正文HTML再交给CMS的导入脚本去清洗入库。三条路各有适用场景我把对比整理成了表格来源渠道自动化程度对公众号要求主要风险人工复制粘贴无无任何号都可以样式乱、图片外链失效、需要大量手工修复开发者接口拉取高认证服务号接口权限权限申请麻烦、接口字段需自行解析手工导出导入脚本中无需要额外做HTML清洗工具流程半自动1.2 政务场景为什么优先考虑接口权限政务单位做内容同步有一个天然要求留痕、可追溯、有审核流程。人工复制粘贴最大的问题不是格式而是“过程不可控”。谁粘的、什么时候粘的、粘完之后谁改过这些在公众号后台和CMS后台是两套割裂的记录将来如果要核对“官网这篇文章是不是和公众号原文一致”只能靠人肉比对。所以我在梳理方案时给出的第一条建议是先查一下手头的公众号有没有接口权限。有权限就走接口自动拉取没有权限就退而求其次用半自动导入脚本。哪怕最终落地的是半自动方案也比纯手工复制要强得多至少能保证每次导入的格式处理逻辑是一致的。还有一点容易被忽略政务单位往往不止一个公众号有的单位有好几个号分属不同科室。接口方案做到最后其实是“多公众号统一进CMS”的能力而不只是单篇文章搬运。这个价值在内容量上来之后会非常明显。1.3 读懂公众号图文的“原始HTML”长什么样不管走哪条路最终进入CMS的正文内容本质都是HTML。公众号编辑器的HTML有几个显著特征大量内联样式。字体大小、颜色、行高、段间距全部写在style属性里正文里到处是stylefont-size: 15px; color: rgb(34, 34, 34);这种东西。图片用懒加载写法。img标签经常不直接写真实地址而是放在>from bs4 import BeautifulSoup ALLOWED_TAGS { p, br, img, a, strong, em, u, ul, ol, li, blockquote, table, thead, tbody, tr, th, td, h2, h3, h4 } ALLOWED_ATTRS { a: [href, title, target], img: [src, alt, title, width, height], td: [colspan, rowspan], th: [colspan, rowspan] } def clean_wx_html(raw_html): soup BeautifulSoup(raw_html, html.parser) # 第一步直接删除微信私有标签和脚本 for tag in soup.find_all([script, style, mpvoice, mpvideo, iframe]): tag.decompose() # 第二步把 section/div 降级为 p去掉嵌套属性 for tag in soup.find_all([section, div]): tag.name p tag.attrs {} # 第三步图片地址处理把>