WeChat 剪藏：视频播放器 UI 文本泄露，大量孤立 ** 标记

[bruceding]

问题

微信公众号文章剪藏后，格式存在严重问题。

以文档 331 为例（https://mp.weixin.qq.com/s?__biz=MzIzOTU0NTQ0MA==&mid=2247560111...）：

1. 视频播放器 UI 文本完全暴露

WeChat 内嵌视频的播放器控件文本全部被提取为正文：

已关注
关注
重播 分享 赞
关闭
观看更多
更多
退出全屏
分享视频
，时长 02:08
0 / 0
00:00 / 02:08
切换到横屏模式
继续播放
进度条，百分之0
播放
00:00
/02:08
倍速
全屏
倍速播放中
0.5倍 0.75倍 1.0倍 1.5倍 2.0倍
超清 流畅
您的浏览器不支持 video 标签
继续观看
阿里云开发者已关注
分享点赞在看
已同步到看一看
写下你的评论
视频详情

2. 大量孤立 ** 标记

文档中散布着大量不成对的 **，通常是 WeChat HTML 中视频组件的样式标记被错误解析：

**
**

**
关注
** 重播 ** 分享** 赞

3. 标题漏字

"功能二演示：一键发" — 应该是 "一键发布"，漏了"布"字（可能是 WeChat 页面渲染时文字被 JS 动态填充，提取时未完全加载）。

根因分析

WeChat 文章的 HTML 结构中，视频播放器使用 JS 动态渲染，包含大量 UI 文本节点。当前的 ExtractContent 逻辑（backend/api/web.go）可能：

1. 没有过滤掉视频播放器相关的 DOM 节点 — 需要识别并移除 WeChat 视频组件（如 .video_iframe、.mp_video_player、.wx_video 等选择器）
2. ** 是 WeChat 富文本中用来标记加粗/样式的，提取时没有正确处理嵌套的 <strong>/<b> 标签
3. 动态内容未等待完全加载 — 如果是通过 headless browser 获取，视频相关文字可能还在渲染中

建议修复

1. 在 ExtractContent 中增加 WeChat 特定清理：

   • 移除视频播放器相关元素（.video_iframe, .mp_video_player, .wx_video, .js_video_player）
   • 清理 WeChat 特有 UI 文本（"已关注"、"重播"、"倍速"等）
   • 过滤孤立的 ** 行

2. 增加后处理步骤：对提取后的 markdown 做一轮清理

   • 去除连续 3 行以上只有 ** 的块
   • 去除包含"您的浏览器不支持 video"等浏览器提示文本

3. 考虑用 Postprocess 钩子（已有 browserSiteConfig 机制）为 WeChat 域名注册专用后处理器

影响范围

所有通过 extension-wechat（UploadWeb / ClipWeb 经 needsBrowser 识别为 WeChat）剪藏的微信公众号文章都受影响。