公众号采集雷达
在微信里「看」出真实读数

这份技能真跑出来的数

口径：门槛设为阅读 ≥ 1000 才入库，< 1000 的 28 篇是早年存档或小号文章，保留在原始 JSON 里但没有进表。阅读量是采集当天的快照，每行都带采集时间。

为什么这件事必须「看屏幕」

公众号文章的阅读数走的是登录态下的异步接口（页面里那个 read_num），没有公开 HTTP 入口可查。意味着任何「传个链接就返回阅读量」的承诺都是假的——要么你有号主的后台，要么你得像人一样把文章打开、滚到底、看那行字。

所以这个技能的定位很明确：把「人肉翻公众号」这件事自动化。它不绕过任何权限，只是替你把鼠标键盘的动作做一遍——打开、滚动、截图、认字、复制链接、关标签。

一条真实记录长什么样

这条记录的每一格都能回到源头核对：阅读与四件套来自文章底栏，留言来自留言区截图，链接来自「复制链接」。拿不到的东西也写清楚——留言的点赞数微信不展示，所以表里没有这一列；作者只精选过自己引导语的号，首条评论就是那句引导语，表里照原样记。

六个号，逐号的账

包子堂只有 31 篇是因为它的门槛单独放宽到 500 阅读、且这个号本身更新少；剩下的差距不是漏采，是号与号的量级差。

五步流水线

三层通道，各管一段

• UI Automation：拿窗口、找列表项、点卡片、读文本。能读到的结构化文本优先走这里，比认字稳一个量级。
• RapidOCR：底栏那行「阅读 100000 赞 619」常常不在 UIA 树里，以及留言区，靠截图识别。超过 900px 宽的图自动分块，否则超宽扁条带检测不出来。
• Win32 + 剪贴板：点击用 SendInput 合成事件、滚动用 SendMessage(WM_MOUSEWHEEL)、复制链接用 ctypes 直接操作剪贴板。

17 条坑，最贵的六条

还有一条不算坑但必须记住：「翻到底」的判据不能只看有没有新标题。单列大卡的号有 540 篇、合计 11 万像素，UIA 树只保留窗口附近一段。现在是连续 8 次无新增后，先 End 跳底复核、再 Home 回顶复核，两轮都空才收工。

先说清楚做不到的部分

包里有什么

完整脚本、两份口径文档，以及上面那套流程的全部命令。换一批号再跑，改的只是账号清单和门槛。

SKILL.md                  技能说明与五步流程（本页面的来源）
scripts/                  40 个 Python 脚本，5,976 行
  wxlib.py                Win32 底层：窗口/截图/OCR/点击/键盘/剪贴板
  uia.py                  UI Automation：枚举、查找、取值、归一化
  gzh.py                  公众号链路：搜一搜 → 文章页 → 复制链接 → 读底栏
  scan_profile.py         进主页一路翻到底，落每张卡片上的阅读/赞
  probe_cutoff.py         二分找某年 1 月 1 日在列表里的下标
  collect_uia.py          从主页自上而下逐条打开达标文章
  fill_gaps.py            清单达标但没采到的定点补
  run_years.py            多个号按各自门槛串行跑
  build_workbook.py       出三 sheet Excel
  export_sheet_png.py     整表导 PNG 做视觉核验
references/
  字段口径.md             每个字段的定义、来源、空白含义
  卡点与解法.md           17 条 Windows 实测坑（27.5 KB）

依赖只有四个：pip install mss pillow rapidocr_onnxruntime openpyxl。

姊妹技能：同一件事的另一条路

分工一句话：要指标找这里（界面直读，只有它看得见阅读量、赞、精选留言）；要全文去那边（接口路线，秒级拿正文加图片，还能开 RSS 盯增量）；两个都要，就先用这里的阅读量筛出值得存的篇目，再让那边整篇搬进本地库。