Agent Skills
返回列表
雪球帖子采集

雪球帖子采集

数据分析 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_7d9a592c/xueqiu-collector。

技能介绍

解决什么问题

雪球的内容分散在用户主页、帖子详情页和图片里：列表页通常只有摘要，正文、被引用的原文、点赞/评论/转发/阅读数据并不总能一次拿全；评论帖还要区分作者自己的话与引用内容。手动复制、整理和归档成本高，而一次性抓取又容易触发风控、漏掉历史帖子，或把非投资内容混入后续分析。

技能如何工作

xueqiu-collector 通过 scripts/collect.py 驱动浏览器访问目标作者主页，内置全量/增量判断：首次可完整采集，后续用 --refresh-list 只追新帖；对缺失正文的帖子再单独补采。采集结果写入 xueqiu_posts 表，同时保留 JSON 与 Markdown 输出。

核心能力包括：完整正文提取并转换为 Markdown；识别评论帖中的 own_text、quote_text、reply_to_post_id；下载帖子图片并可选 OCR；以及由 scripts/analyze.py 执行 V4 规则分析，输出帖子类型、投资相关性、情感、操作意图、主题标签、质量评分等字段。增量任务里，analyze.py --missing 只处理未分析记录，--batch 可做全量重分析。

适用边界与注意点

它适合有明确作者主页 URL、需要把雪球帖子沉淀为可查询语料或做规则化分析的工程任务，不适合绕过登录权限或批量攻击平台。运行依赖 playwright-cli、已登录的 Edge Profile、Python 3.10+ 和 SQLite；OCR 需 winocr/tesseract 等能力。反爬虫参数如 2–5 秒请求延迟、每 20 条休息 8–12 秒会显著拖慢大批量采集。评论帖格式、时间格式和含空格路径都有已知坑，需要按日志排查；是否触发平台风控也取决于运行环境与使用频率。

使用场景

  • 研究特定雪球大V的投资逻辑时，需要将其历史帖子全量采集并提取正文，同时将评论帖中的引用原文与作者观点分离。
  • 每日开盘前需要追踪关注博主的最新动态，利用增量采集模式仅抓取新增帖子，并通过规则分析提取其操作意图与情感倾向。
  • 构建量化选股因子时，需将大量雪球帖子及配图批量下载，提取OCR文本并计算质量评分，最终导出为SQLite数据库供策略回测。

适合人员

  • 股票研究员：希望系统化收集特定雪球博主的历史发言与操作记录，以归纳其投资风格与选股逻辑。
  • 量化策略工程师：需要将非结构化的雪球帖子转化为带标签的结构化数据，用于训练情感或热度预测模型。
  • 个人投资者：希望定期追踪几位重点关注的实战派大V最新动态，快速过滤无效信息并提炼核心交易意图。