公众号文章链接里的 mid、idx、sn 是什么意思，为什么有两种链接格式？

公众号文章链接有两种样子。长链接来自浏览器地址栏、公众号历史消息页或大多数爬虫，长这样：mp.weixin.qq.com/s?__biz=MzA5NTI3MjIwMA==&mid=2650412873&idx=2&sn=8c1f0e5a3d9b47e6a2c4f17b0d9e3a65&chksm=…&scene=21#wechat_redirect。短链接是 mp.weixin.qq.com/s/ 加一串短码，现在在微信里分享或复制链接，拿到的越来越多是这种。两种打开的是同一篇文章。麻烦出在一份数据里两种混用：同一篇文章被算两次，按链接关联对不上，RSS 阅读器因为链接换了形式又把旧文章推送一遍。

真正有用的四个参数

参数	例子	含义
__biz	MzA5NTI3MjIwMA==	公众号，见 __biz 是什么
mid	2650412873	这个号的一次群发；在同一个号内唯一
idx	2	文章在这次群发里的位置：1 是头条，2 是次条，依此类推
sn	32 位十六进制	和前三个配套的签名；微信会校验，sn 缺失或被改动的链接通常打不开

__biz + mid + idx 确定一篇文章，sn 让链接有效。其余都是会话或追踪参数，可以删掉：chksm（校验值，每次抓取都不一样）、scene、sessionid、key、pass_ticket、#rd、#wechat_redirect。干净的长链接只留 __biz、mid、idx、sn 四个。

两个实际的坑

• **链接里的 &。**从 HTML 或 RSS 里抽出来的链接，参数之间常常是 &，有时甚至是 &。解析或发送之前先换回 &。
• **离线换不了。**短码不抓一次文章，是换不出 mid、idx、sn 的。抓一次，存下长链接或它的 sn，按它去重。

接口怎么处理两种链接

公众号文章详情的 url 两种都收，返回全文、标题、公众号和发布时间，返回的 url 一般是长链接。文章的 id 在链接带 sn 时就是 sn，否则是 __biz、mid、idx 用下划线拼起来，所以不管从哪种链接开始，同一篇文章一般拿到的是同一个 id。历史文章返回的都是长链接，每篇的 idx 放在 ext.position。

任务	调用次数	费用
一条短链或长链换全文	1	$0.02
表格里 400 条混合链接	400	$8.00
1000 条链接	1000	$20.00

示例：清洗、抓取、去重

import html, os, requests
from urllib.parse import urlparse, parse_qs, urlencode

def clean(link):
    link = html.unescape(html.unescape(link))          # & -> &
    q = parse_qs(urlparse(link).query)
    keep = {k: q[k][0] for k in ("__biz", "mid", "idx", "sn") if k in q}
    return "https://mp.weixin.qq.com/s?" + urlencode(keep) if len(keep) == 4 else link

seen = {}
for link in ["https://mp.weixin.qq.com/s/k3Vq8ZtYwLr2PxN0aHd5Fg",
             "http://mp.weixin.qq.com/s?__biz=MzA5NTI3MjIwMA==&mid=2650412873&idx=2&sn=8c1f0e5a3d9b47e6a2c4f17b0d9e3a65&chksm=bc2f"]:
    r = requests.get("https://api.okdata.online/v1/wechat_mp/articles/get",
                     headers={"Authorization": f"Bearer {os.environ['OKDATA_API_KEY']}"},
                     params={"url": clean(link), "fields": "id,url,title,published_at"}, timeout=60)
    item = r.json()["data"]["item"]
    seen.setdefault(item["id"], item)
print(len(seen), "篇不重复的文章")

限制

• 已删除的文章，以及被投诉后删除的文章，返回 not_found，不扣费。
• 文章详情不含阅读数和点赞数，metrics 里的字段为 null，meta.unavailable 里写明原因。
• 从文章链接取正文的更多细节，见用代码获取公众号文章全文。