成都工贸职业技术学院公众号文章监控

概述

自动化采集成都工贸职业技术学院及其下属二级学院、部门公众号在指定日期范围内的文章发布情况，生成可视化统计图表与逐篇明细表。支持阅读量追踪——通过 Fiddler 抓包获取微信认证 token，调用微信内部 API 获取真实阅读量、点赞数、转发数等数据。

数据源与账号映射

完整的公众号 → 网站/搜索源映射见 references/accounts.md。核心数据源分两类：

• 网站同步型（主号 + 二级学院）：文章基本同步到对应网站，用 WebFetch 抓取新闻列表
• 搜狗补充型（团委、学生事务中心等）：网站无同步或陈旧，用搜狗微信搜索 + 网站交叉推断

工作流程

第一步：解析日期范围

从用户输入中提取目标日期范围。常见表达：

• "5月" → 2026-05-01 至 2026-05-31
• "昨天" → 当前日期 - 1 天
• "上周" → 上周一至周日
• "5月1日到5月15日" → 直接解析

第二步：并行采集数据（Tier 1 — 网站同步型）

对以下数据源同时发起 WebFetch，抓取新闻列表：

主号：

1. https://www.cdgmxy.edu.cn/html/gmxy/xwzx_xyyw/ （成都工贸职业技术学院主号）
2. https://www.cdsjs.com/html/cdsjs/xwzx_xyyw/ （成都市技师学院主号）

二级学院（有网站的 7 个）：

1. https://jxx.cdgmxy.edu.cn/ （机械工程学院 — 机械学生之家）
2. https://dqx.cdgmxy.edu.cn/ （电气工程学院 — 五彩电气）
3. https://dzx.cdgmxy.edu.cn （信息工程学院 — 信芯之火）
4. https://qcx.cdgmxy.edu.cn/ （汽车工程学院 — 工贸汽车人）
5. https://jmx.cdgmxy.edu.cn/ （财贸管理学院 — 魅力财贸）
6. https://gdx.cdgmxy.edu.cn/ （轨道交通学院 — 成都工贸轨道交通）
7. https://tdxx.cdgmxy.edu.cn/ （铁道工程学院 — 成工贸马小匠）

部门网站：

1. https://xsc.cdgmxy.edu.cn/ （党委学工部 — 工贸学工在线数据源）

提示词策略： WebFetch 时使用类似 "列出这个页面上 YYYY年MM月的所有新闻标题和日期，全部列出来，不要遗漏" 的 prompt。

翻页策略： 多数网站新闻列表有分页（index_2.html, index_3.html ...），首页只能看到最新几条。如果用户要求的日期范围覆盖较早时间，需要继续翻页抓取。翻到新闻日期早于用户要求范围时停止。

Note: 技师学院(cdsjs.com)和工贸职院(cdgmxy.edu.cn)的新闻高度重叠（一套班子两块牌子），去重时注意：相同标题但日期可能略有偏差（通常差1-2天）。

第三步：补充采集（Tier 2 — 搜狗微信搜索）

对于以下无网站同步的公众号，使用搜狗微信文章搜索：

工贸学工在线：

WebFetch https://weixin.sogou.com/weixin?type=2&query=工贸学工在线&ie=utf8

成都工贸团委：

WebFetch https://weixin.sogou.com/weixin?type=2&query=成都工贸团委&ie=utf8

成都技师团委：

WebFetch https://weixin.sogou.com/weixin?type=2&query=成都技师团委&ie=utf8

成都工贸学生事务中心：

WebFetch https://weixin.sogou.com/weixin?type=2&query=成都工贸学生事务中心&ie=utf8

工贸国际：

WebFetch https://weixin.sogou.com/weixin?type=2&query=工贸国际&ie=utf8

搜狗限制说明：

• 搜狗不显示精确发布日期，需要通过标题中的日期线索（如"5月25日"、"五一"、"五四"等）推断
• 翻页：URL 末尾加 &page=2 ~ &page=10
• 如果某个公众号搜狗完全无索引，如实标注"无数据"

补充搜索策略： 对于搜狗索引不足的账号，可以改用内容关键词搜索（如 "成都工贸 五四表彰 2026"、"成都工贸 心理情景剧"）从侧面挖掘文章。同时搜狗搜索结果中可能包含微信文章直接链接（mp.weixin.qq.com/s?...），这些链接可用于后续阅读量抓取。

第四步：数据清洗与去重

1. 提取字段： 从每条记录中提取 标题、日期、来源公众号、URL（如有）
2. 日期解析： 将各种日期格式统一为 YYYY-MM-DD
3. 主号去重： cdgmxy.edu.cn 和 cdsjs.com 的新闻中，标题相同或高度相似（同一事件不同标题）的记录只保留一条，标注为两个主号共用。保留较早日期。
4. 账号归并： 将各学院网站抓到的文章归入对应公众号名称
5. 跨来源去重： 同一篇文章可能同时出现在学院网站和学校主站，按以下优先级保留：学院网站 > 学校主站（更精确反映该学院的发布行为）
6. 收集微信文章URL： 将搜狗搜索结果中获得的 mp.weixin.qq.com 链接收集起来，供阅读量抓取使用

第五步：阅读量抓取（可选，用户要求时执行）

当用户要求查看阅读量时，使用 Fiddler token + 微信内部 API 方式获取真实阅读量。

核心原理

微信阅读量数据只在微信客户端环境下返回，普通浏览器请求拿不到。需要通过以下流程：

1. 用 Fiddler 抓包微信PC客户端的请求，提取认证 token（key/uin/pass_ticket/__biz）
2. 携带 token 调用微信内部 API https://mp.weixin.qq.com/mp/getappmsgext 获取阅读量

前置步骤（获取 token）

必须由用户手动完成以下步骤：

1. 在微信PC客户端打开目标公众号主页链接
• 主页链接获取方式：运行 python fetch_reads.py 功能1，输入任意一篇文章链接即可生成
• 或直接将公众号主页链接发送到"文件传输助手"中打开
2. 打开 Fiddler Classic v5.0，开启抓包
3. 在微信PC客户端中打开公众号主页，Fiddler 会捕获请求
4. 在 Fiddler 中找到主机为 mp.weixin.qq.com、URL 含 /mp/profile_ext 的请求
5. 选中该请求，按 Ctrl+U 复制完整 URL
6. 将该 URL 交给 AI 作为 --token-url 参数

⚠️ token 有效期有限（通常几小时），过期需重新抓包。

脚本路径

scripts/fetch_reads.py

执行方式

API 模式（推荐，可获取真实阅读量）：

# 将文章URL列表写入临时文件
# 然后用 token 模式批量抓取
C:\Users\aokec\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  C:\Users\aokec\.workbuddy\skills\cdgm-wechat-monitor\scripts\fetch_reads.py \
  --token-url "https://mp.weixin.qq.com/mp/profile_ext?__biz=xxx&uin=xxx&key=xxx&pass_ticket=xxx" \
  --article-urls /tmp/wx_urls.txt \
  --output json \
  --delay 5.0

浏览器模式（回退方案，可能拿不到真实阅读量）：

C:\Users\aokec\.workbuddy\binaries\python\versions\3.13.12\python.exe \
  C:\Users\aokec\.workbuddy\skills\cdgm-wechat-monitor\scripts\fetch_reads.py \
  "https://mp.weixin.qq.com/s/xxx" \
  --output json \
  --timeout 20

URL 来源

• 搜狗微信搜索结果中的 mp.weixin.qq.com 链接（最直接）
• 学校官网新闻页面中可能嵌入的微信文章链接
• 用户手动提供的微信文章链接

阅读量注意事项

• API 模式是唯一可靠获取真实阅读量的方式，但需要用户通过 Fiddler 抓包提供 token
• 浏览器模式通常无法获取真实阅读量（微信保护机制），会返回 "N/A (浏览器环境无法获取)"
• 每篇文章间延迟 5-8 秒（含随机抖动），避免被微信封禁
• 大批量抓取（>20 篇）建议分批执行
• 返回错误码 200013 表示 token 过期，200003 表示频率限制

第六步：统计汇总

统计每个公众号在指定日期范围内的发文章数，生成汇总表。如包含阅读量数据，同时汇总阅读量统计（总阅读量、篇均阅读量、最高阅读量文章）。

第七步：生成可视化图表

使用 show_widget 工具生成图表，图表规范：

• 遵循 read_me 返回的 Visualizer 设计系统
• 颜色使用 flat 色板

图表1：发文章数柱状图

• X轴为公众号名称，Y轴为发文章数
• 条形图：每个公众号一个柱子，柱子上方标注篇数
• 高度 = (公众号数量 × 40) + 80 像素

图表2：阅读量柱状图（有阅读量数据时）

• X轴为公众号名称，Y轴为总阅读量
• 条形图：每个公众号一个柱子，柱子上方标注阅读量
• 高度 = (公众号数量 × 40) + 80 像素

第八步：生成明细表

用 Markdown 表格列出每个公众号的所有文章：

不含阅读量：

## 【公众号名称】— X篇

| 日期 | 标题 |
|:---:|---|
| MM-DD | 文章标题1 |
| MM-DD | 文章标题2 |

含阅读量：

## 【公众号名称】— X篇

| 日期 | 标题 | 阅读 | 点赞 | 在看 |
|:---:|---|:---:|:---:|:---:|
| MM-DD | 文章标题1 | 1234 | 56 | 12 |
| MM-DD | 文章标题2 | 567 | 23 | 5 |

第九步：输出总结

输出整体统计摘要：

• 总发文章数
• 发文章最多的账号及篇数
• 发文章最少的账号及篇数
• 完全无数据的账号列表
• 数据置信度说明（哪些是网站同步确认的高置信度，哪些是搜狗推断的中低置信度）
• 如有阅读量：阅读量TOP3文章、篇均阅读量最高的公众号

重要约束

1. 不虚构数据。 如果某个账号确实查不到，如实标注"无数据"或"未找到"，并说明原因
2. 标注置信度。 网站同步的数据标注为"高"，搜狗推断的标注为"中"或"低"
3. 注明重叠。 两个主号的内容重叠严重，必须在报告中说明
4. 分批并行。 数据采集阶段尽量并行发起 WebFetch/WebSearch，减少总耗时
5. 搜狗局限性说明。 最终报告中必须注明：微信公众号文章因微信封闭生态限制，通过搜狗索引只能获取部分数据，完整数据需在微信客户端查看
6. 阅读量获取需要用户配合。 真实阅读量需要 Fiddler 抓包 token，AI 无法自动获取 token。浏览器模式无法获取真实阅读量，如实标注
7. 反爬节制。 阅读量抓取每篇文章间至少延迟5秒（含随机抖动），大批量分批执行

阅读量获取：用户操作指南

当用户要求查看阅读量时，AI 应：

1. 先告知用户：获取真实阅读量需要你配合完成 Fiddler 抓包步骤
2. 提供操作指引：
• Step 1: 安装 Fiddler Classic（如未安装）
• Step 2: 在微信PC客户端打开目标公众号主页
• Step 3: Fiddler 抓包找到 /mp/profile_ext 请求，Ctrl+U 复制 URL
• Step 4: 将复制的 URL 提供给 AI
3. 收到 token URL 后，AI 收集所有文章链接，写入临时文件，执行 fetch_reads.py --token-url
4. 解析结果，生成含阅读量的明细表和可视化图表

如果用户不愿/无法完成 Fiddler 抓包：

• 如实告知浏览器模式无法获取真实阅读量
• 建议使用新榜(newrank.cn)或西瓜数据等第三方平台查询
• 仍可提供文章列表和发布统计，只是不包含阅读量