怎样整理一个视频号的作品目录,再挑出值得研究的视频?
要导出一个视频号账号的作品,把账号的 @finder 标识作为 username 传给 wechat_channels.v2.fetch_user_videos,逐页保存响应,再对保存的页面运行 export_channel_pages.py,生成 selected-videos.csv、metric-rankings.csv 和 coverage.json。只想找某个创作者关于某款产品的作品时,改用号内关键词搜索 wechat_channels.v2.fetch_search_channel_videos。
先选列表,还是号内搜索?
两种方式都从已确认的 finder username 开始。有 sph… 短号或作品分享链接时,先按账号与作品标识找到正确入口;已有规范账号标识就直接复用。
把一个账号整理成可选案例的表
- 设定范围。 例如先收集最近一个月的作品,列文案、发布时间、作品ID和可返回的互动数。
- 取得列表。 向
POST /v1/social-data/call发送action:"wechat_channels.v2.fetch_user_videos",参数为已确认的username、raw:false和首次的last_buffer:""。作品在data.videos里,响应同时带有账号和续页字段。 - 沿同一账号继续。 保存每页的请求、响应和采集时间,再把最新一页返回的
last_buffer作为下一次的last_buffer。账号和raw:false保持不变;请求失败时,保留最后一个成功页供核对。 - 看表选视频。 用下方的
export_channel_pages.py整理保存的页面,按主题挑作品,分别比较点赞数和转发数。对值得深入研究的作品,再取详情或读评论。
把任务交给已连接 BeatAPI 的助手时,可以用这段指令:
整理这个视频号最近一个月的作品,保留文案、发布时间、作品ID和实际返回的点赞、转发数。分别列出这批样本的点赞与转发前10名,挑出与新品发布有关的案例,说明入选理由和实际检查范围。
先用返回的 create_time 核对时间范围,再做主题筛选。名次只反映本次取得的作品;分析案例时还要结合发布时间和具体内容,不能只看累计计数。
导出后,先看哪几个文件?
selected-videos.csv:按可用作品ID整理出的选中记录,适合浏览和筛选。video-observations.csv:每次返回的原始观察,方便回看更新与重复记录。metric-rankings.csv/.json:分别按精确点赞、转发计数排名。coverage.json:实际观察与选中数量、停止原因、缺失或冲突记录。
计数缺失的作品仍可按内容选用,但不放进数值排名。read_count 目前的口径定义不足以把 read_count 标成别人的播放量;保留原字段名 read_count,研究互动时用已确认的点赞、转发等字段。
只找某个主题,怎样少翻一些页?
使用号内主题搜索:保持账号和关键词不变,按 next_cursor → cursor 续页。号内主题搜索只搜指定账号;要做更广的发现任务,另选搜一搜入口。
列表、搜索、评论各自保存续页状态。评论用 data:wechat_channels.v2.fetch_video_comments;一级评论列表与某条父评论的回复分别续页,具体见评论导出。
下面是已保存作品页的导出与排名方法。每批处理 1–20 页;一批停在页数上限时,这一批的覆盖范围就到上限为止,更早的历史分批采集、另行合并。当前单价见价格页;在本地整理已保存的页面不需要重新查询。
将已保存的账号作品页导成可审核的表格
已知 finder username 时,用 fetch_user_videos,不用前面的号内关键词搜索。明确传 raw:false 时,响应包含 data.username、videos、up_continue 和 last_buffer。发布文档中的作品字段包括 id、title、create_time、read_count、like_count、fav_count、forward_count、comment_count、location。export_channel_pages.py 保留每个字段的原值以及字段是否存在,不把 read_count 解释成已验证的独立观众,也不把缺失的计数填成零。
公众号关联证据已经给出合法的 finder username 时直接复用。首页 last_buffer 留空,之后保持账号和 raw:false 不变,并记录每页实际返回的条数。列表费用按页请求数和当前价格计算。
保存每次实际请求的请求体、HTTP 状态、响应和采集时间。pages.json 从第二页起,每页的 last_buffer 必须与上一页响应返回的 last_buffer 完全一致。下面的示例只说明格式,不是录制的响应:
把下面的脚本保存为 export_channel_pages.py,运行 python3 export_channel_pages.py pages.json channel-review。响应路径相对于 pages.json,输出用新目录。只对已保存的完整 JSON 运行,不要用截断的预览。脚本不发请求。
video-observations.csv 一行是一条返回的观察,不保证一行对应一个唯一作品。同一可用 ID 再次出现时会被标记为重复,不会默默覆盖较早的互动量。coverage.json 给出不同可用 ID 的数量、不安全 ID 的行、确切的来源下标和停止原因。*_present 和 *_raw 两类列区分缺失和 null。超过 2^53−1 的裸数字 ID 会被隔离,object_id 不给可用值;网关可能已经舍入,事后转成字符串也恢复不了丢失的末位。被隔离的行不能用来继续查详情或评论,也不能按标题去重。
provider_end 只表示已保存的分页链到达了服务端报告的终点,不证明账号历史完整。空页却报告还有更多、游标重复或缺失、续页标记未知,这几种情况都会停止,不生成下一请求。末页出现网关错误时,保留此前的观察和错误证据;结构、身份或分页链错误会在创建输出前拒绝整批。只因已保存页数达到上限而停止时,unexecuted-next-request.json 保存续页请求,但不代表获得授权,也没有执行。换账号或换 raw 模式要重新开始分页链。
CSV 文件刻意不含媒体 URL token 和解密密钥。完整原始响应可能包含这些 token 和密钥,所以新输出目录默认私有;原件留在本地,分享时另做审核、脱敏后的副本。本流程不下载、解密、发布或发送媒体。文件写入中断不算导出完成;排除中断原因后写到新的输出目录,不覆盖原始证据。
哪份文件是一条作品一行?
用 selected-videos.csv 查看选出的子集,同时保留 video-observations.csv 作为全部返回观察的日志。程序只按可用 ID 分组,取记录的最新采集时间,不按文件里的先后顺序。最新时刻的多份观察在选定的内容和指标字段上完全一致时,取第一份来源引用;同一最新时刻互相矛盾的值写入 selection-conflicts.json,不进入选中表。旧观察仍保留在日志里;不同账号的作品不会合并。
coverage.json 分别报告 selected_unique_videos、conflicting_ids 和 unsafe_id_observations。selected-videos.csv 的行数可能少于不同可用 ID 的数量;交付前先检查被排除的 ID,再决定能否称为完整。导出器不会给不安全或冲突的作品编造一行零。采集时间来自你提供的请求证据,不是作品发布时间,也不证明平台在那一刻刷新了指标。selected-videos.csv 不是同龄作品的表现排名,也不代表完整历史。
read_count 能直接写成别人的视频播放量吗?
只凭 fetch_user_videos 的合同不能这样写。已核对的账号作品结构把 read_count 列为返回的互动计数,但没有定义 read_count 计的是独立观众、实际播放、重复观看还是完播。保留原字段名 read_count,不要改叫 plays,不要用 read_count 算完播率,也不要推断创作者后台的私有分析数据。字段缺失不是零;别家没有某个字段,也不能证明 fetch_user_videos 返回什么。
如果实际任务是“所采样作品里,哪些报告的点赞或转发最多”,export_channel_pages.py 会生成 metric-rankings.csv 和 metric-rankings.json。导出器直接使用从原始页面整理、去重并处理过同刻冲突的选中作品,分别按 like_count 和 forward_count 排序,不混合相加。不需要再查询、购买单作品详情或手动猜字段。
缺失或带单位的计数怎么排名?
是否可排名由最新的被选观察决定;最新观察没有计数时,导出器不会拿旧计数填榜。不安全的作品 ID 在前一步就被排除,不靠把已舍入的数字转成字符串来“修复”。coverage.json 分别记录每项指标可排名和不可排名的数量,所以“前 10”可能不足 10 条。没有可用计数不代表互动表现差。
精确的字符串 ID 和大整数字符串以 metric-rankings.json 为准。用表格软件打开 metric-rankings.csv 时,把 object_id 和 exact_count 按文本导入,避免自动舍入;CSV 的引号本身不保证精度。value_raw、request_id、source_index 和 video_index 可以把每个名次追溯到归档的原始页面。哈希只检测本地字节是否变化,不能识别伪造的观察。
排名能说明什么,报告该怎么写?
排名只排列这批成功采集并选中的样本里报告的计数,不是全账号或全平台的排名。把 collected_at 放在每个值旁边,比较表现前先核对发布时间、观察窗口和采集覆盖。同一作品较晚的观察累积互动的时间更长;跨作品比较必须同时核对发布时间和采集时间。排名行不证明购买、独立人数、付费触达或因果关系。
可以这样写:“这份已存样本有 18 个可用作品 ID,其中 16 个有精确点赞计数,另 2 个未排名;报告的最大计数为……,观察时间见表。”把示例里的数字换成 coverage.json 里的实际数字。不要根据排名表写“播放最多”或“全账号榜首”。对已保存页面排名不产生平台调用;新取账号页按价格页计费。

