这篇文章主要介绍了如何使用N8N工作流自动化获取特定公众号的全部历史文章。作者详细讲解了工作流的搭建思路和具体步骤，包括配置公众号账号、获取文章页数、分页获取文章链接、下载文章内容以及保存到本地。通过这个工作流，用户可以高效收集文章内容，分析选题策略、标题结构等有价值的信息，帮助提升运营效率。文章末尾提供了工作流JSON文件的获取方式。
今天分享通过n8n工作流如何获取特定公众号的全部历史文章。
公众号的历史文章，除了能够获取文章内容信息外，还可以分析出很多有价值的信息，如：
- 选题策略
- 标题结构和套路
- 内容结构
- 写作风格
- 文章突出的价值点，用户共鸣点
如果你的运营存在上面的困扰，那么跟着我，打造一个你自己的运营效率神器。
整体工作流运行如下：
文章结尾领取详细的工作流JSON文件。
1、流程任务思路详解
工欲善其事必先利其器，想要把工作流搭建好，前提是要把任务进行很好的拆解有了好的思路，这个时候搭建工作流，就像搭积木一样简单了。
这个工作流的主要思路如下：
首先要将指定的公众号账号进行配置。
然后根据用户输入获取当前公众号的总文章数量和页数。
按页分别获取文章链接并下载文章内容(这里需要用到循环)。
最后将文章内容的文字部分进行提炼并保存至本地。
我们按照上面的思路编排整个工作流，整体的工作流如下：
2、工作流节点详解
这个章节详细讲解整个工作流的搭建及注意事项。
工作流触发及公众号账号配置
这里有2个节点，主要包含一些基础配置和设定
- 工作流触发
直接选择手动触发即可。
- 指定公众号biz号配置(Edit)
我们用edit来让用户编辑目标公众号的biz号。
因为公众号没有开放数据接口，因此这里我们是用极致了的数据库，这里需要编辑极致了的key，方便后续节点调用。
key的获取请移步极致了官网，注册有免费额度赠送。
https://www.jzl.com/
小技巧：如何获取公众号Biz
用网页打开指定公众号的一篇文章，按Ctrl+U或者鼠标右击里选择查看网页源代码，在里面找到biz，后面括号里的内容即为特定公众号的唯一识别号。
获取文章页数和分页
要想获取全部的历史文章，就得知道当前应该有多少文章，分为了多少页(5篇为一页)，然后才能逐页获取文章列表并下载文章。
- 总页数获取
使用http request节点来访问极致了，返回的数据中会包含文章总数和总的页数。
这是拉取的我自己的篇幅数量(包含删除的篇幅)。
节点的配置如下：
Method:Post
URL:https://www.dajiala.com//fbmain/monitor/v3/post_history
Header Parameters:
Content-Type=application/json
Body:
{
"biz": "{{ $json.biz }}",
"url": "",
"name": "",
"page": 1,
"key": "{{ $json.JZL_Key }}",
"verifycode": ""
}
- 分页(code)
目的是根据总页数生成一个数组用来表示每一页，用于后面的循环体进行循环。
代码如下：
total=_input.first().json.total_page
orig=1
output=[]
page=[]
for i in range(total):
page.append(i+1)
output.append({'page': page})
return output
- 分裂
用split out节点将前面的页数数组进行拆分，然后开始循环。
文章获取并下载
从这一步开始，后续的节点全部都是在循环体中执行。每一次循环代表一页。
- 文章链接获取
使用http request来获取每一页的所有文章链接。
Body的Json代码如下，这里的页数不再是一个固定的数，而是当前循环的页数：
{
"biz": "{{ $("配置信息").item.json.biz }}",
"url": "",
"name": "",
"page": {{ $json.page }},
"key": "{{ $("配置信息").item.json.JZL_Key }}",
"verifycode": ""
}
- 分裂
用split out节点将一页5篇文章的信息进行拆分，以便后续跟对每一篇文章进行处理。
- 文章下载
从前面节点得到的文章链接进行逐篇下载，获取文章的全部内容。
Method:Get
URL:{{ $json.url }}
Header Parameters:
User-Agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/116.0.0.0 Safari/537.36
注意:这里的下载的内容文件一般比较大(10M以上)，可以不下载不预览直接进行下一步调试。
文章内容提取和存档
最后一步就是要摘取文字内容并将其转化为文件并保存为本地文档。
- 提取文本
使用HTML节点插件来摘取网页的文字内容部分，详细配置如下：
- 转化为txt文件
使用文件转化节点将摘取的文章内容转化为txt文件，详细配置如下：
- 文件保存到本地
最后一步将得到的txt文件，保存在本地磁盘。
这里使用write file to disk节点，根据自己的n8n挂卷情况设置合适的文件路径。
运行调试和优化
到了这里整个工作流就搭建好了，调试一下没有出错就大功告成。
运行完工作流后，整整齐齐的文件就自动流进你的电脑里了。
这么高效的工作流，赶快用起来吧，搭建过程中有问题在文章底部留言告诉我。
也可以留言"工作流"获取工作流Json文件。
可能大家都想学习AI大模型技术，也_想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习_，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。
为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和MoPaaS魔泊云联合梳理打造了系统大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️
【大模型全套视频教程】
教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。
从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。
同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！
深耕 AI 领域技术专家带你快速入门大模型
跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！
【精选AI大模型权威PDF书籍/教程】
精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。
【AI 大模型面试题 】
除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。
【大厂 AI 岗位面经分享（92份）】
【AI 大模型面试真题（102 道）】
【LLMs 面试真题（97 道）】
【640套 AI 大模型行业研究报告】
【AI大模型完整版学习路线图（2025版）】
明确学习方向，2025年 AI 要学什么，这一张图就够了！
👇👇点击下方卡片链接免费领取全部内容👇👇
抓住AI浪潮，重塑职业未来！
科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。
行业趋势洞察：
- 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
- 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
- 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。
与其观望，不如行动！
面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。
01 为什么分享这份学习资料？
当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。
因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！
我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。
*02 这份资料的价值在哪里？*
专业背书，系统构建：
-
本资料由我与MoPaaS魔泊云的鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：
-
- 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
- 拥有多项中美发明专利。
- 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。
-
目前，我有幸与鲁博士共同进行人工智能相关研究。
内容实用，循序渐进：
-
资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。
-
包含丰富的视频教程与实战项目案例，强调动手实践能力。
-
无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。
抓住机遇，开启你的AI学习之旅！
扫一扫
1332
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
