案例 05｜社交平台热搜榜采集

一、案例背景与采集目标

热搜榜是社交平台上「此刻大家在聊什么」的一张快照。榜单不长，通常几十条，每条就几样东西：排名、话题、热度值、标签。它看起来简单，却是观察舆论走向最有信息量的一类数据——因为它是随时间变化的，一小时前和一小时后的榜单，讲的可能是两个故事。

这一案例我们做的是「定时采、连续存、对比看」。采一次只能得到一张快照，价值有限；每隔一小时采一次、每次都带上采集时间，攒出十几个时间点，就能画出话题的热度曲线，还能一眼看出谁是新上榜、谁是刚掉榜。

1.1 这一篇用哪些真实站点

示范站点是微博热搜榜的公开榜单页，地址 https://s.weibo.com/top/summary。不登录时能看到的是一份「实时热搜榜」：一列排名、一列话题、一列热度值，部分条目还带「热」「新」「沸」「爆」这类角标；页面顶部另有置顶或推广条目。这个站点有登录风控：短时间浏览次数一多就会弹出登录提示，因此课堂练习只看公开可见的这一屏，不登录、不点进话题内部。

延伸再配一个结构更稳、更容易复现的站点：百度热搜榜 https://top.baidu.com/board?tab=realtime（静态榜单页，字段同样是排名 / 话题 / 热度，练习时可以作为兜底）。此外B 站全站排行 https://www.bilibili.com/v/popular/rank/all 也提供公开排行榜页，可作对照。

1.2 这个案例要拿到什么

• 榜单上每条话题的排名、话题名、热度值与话题链接；
• 把「1234.5万」「1.2亿」这类中文热度写法换算成数字，方便排序与比较；
• 每条都打上采集时间戳，按小时存档；
• 用两个时间点的数据做对比，找新上榜与掉榜话题；
• 观察某一条话题在连续几个时间点里的热度变化趋势。

1.3 为什么热搜榜比新闻列表难采

1.4 采集节奏怎么定

不建议几分钟采一次——既没意义，也给对方服务器添负担。课堂练习推荐每小时一次，一天攒 12~24 个时间点已经足够看出趋势。如果只想在课上跑通，也可以手动间隔十几分钟采两三次，先把「对比」这件事做出来。

1.5 热搜榜其实不止一张

以微博为例，热搜不是孤零零一张榜，而是「一张主榜 + 若干分榜」：主榜是实时热搜总榜，另外还有按领域切分的分类榜。不同榜单的排序口径、条目数量都不一样。

课堂练习建议先只盯总榜，把「定时采、连续存、对比看」这条链路跑通；等流程稳了，再决定要不要把分类榜也纳入，或者同时挂上百度热搜做横向对照。

这也正是字段表里专门留「榜单类型」一列的原因——两张榜的话题名可能重复，不写清是哪一张，数据一合并就分不清了。

目标站点与交付产物

下表是本篇用到的真实站点。绿色是课堂可稳定复现的示范站点；橙色是延伸站点，多数有登录墙或风控，课堂上只讲结构、原理与合规边界，不教绕过。

二、数据源与字段设计

目标页面是微博热搜榜的公开榜单页 https://s.weibo.com/top/summary（形态是榜单页：一列排名、一列话题、一列热度值，顶部另有置顶或推广条目）。为避免登录与风控风险，本案例只采无需登录即可看到的榜单区域，不深挖话题内页。

2.1 站点信息表

2.2 完整字段表

2.3 热度值换算规则（这一节的重头戏）

微博热搜本身是纯数字，但延伸到百度、知乎这类榜单，热度很少直接写成数字，更多是「1234.5万」「1.2亿」这种中文单位写法。要比较大小、算变化，必须换算成数字。规则其实就三条：

2.4 总榜与分榜对照表

三、零代码操作步骤

1. 先确认能不能采。让 WorkBuddy 打开 https://s.weibo.com/top/summary 看看不登录能看到多少条；如果只看到几条就按可见范围来，不要试图登录或绕过。
2. 采第一个时间点。要求它把当前可见的榜单采下来，字段按字段表，并注明本次采集时间。
3. 先核对字段。看排名有没有从 1 连续排下来、话题有没有截断、热度值原文有没有丢、标签有没有采到。
4. 做热度换算。让它按换算规则生成数字列，你抽查「1.2亿」「1234.5万」等几条是否算对（微博本身是纯数字，重点是延伸到其他榜时）。
5. 存成第一个文件。文件名带上采集时间，例如 hot_20261008_09.xlsx。
6. 隔一段时间采第二个时间点。课上可间隔十几分钟，实际使用建议按小时。存成 hot_20261008_10.xlsx。
7. 做两期对比。说「请对比两个时间点，找出新上榜、掉榜、以及排名上升下降较多的话题」。
8. 观察趋势。把两个文件合成一张带时间列的长表，就能看某条话题的热度是在涨还是在退。

四、提示词模板与追问技巧

下面这段可以直接复制。关键是把真实网址、字段、热度换算规则、时间戳、按时间点存文件这几件事说死。

请帮我采集微博热搜榜的公开榜单页。

【目标页面】微博热搜榜公开页，地址：https://s.weibo.com/top/summary
【采集范围】不登录即可看到的榜单部分，约 30~50 条
【兜底站点】若微博页面读取受限，改用百度热搜 https://top.baidu.com/board?tab=realtime

【需要字段】按这个顺序：
  1. 采集时间（本次采集的时刻，格式 2026-10-08 09:00）
  2. 排名（从 1 开始；置顶与推广条目不占正式排名）
  3. 话题（保持原文，不要截断）
  4. 话题链接（绝对地址，含 URL 编码）
  5. 热度值原文（页面上怎么写就怎么记，例如 1234567、1.2亿、1234.5万）
  6. 热度值（换算成数字：万=10000，亿=100000000）
  7. 标签（热 / 新 / 沸 / 爆，没有就留空）
  8. 榜单类型（总榜 / 分类榜）
  9. 是否推广位（是 / 否）
  10. 快照批次（如 20261008_09）

【输出要求】
  1. 先在对话里给我表格预览，我确认后再导出
  2. 文件名 hot_20261008_09.xlsx，保存到当前工作目录
  3. 这只是第一次采集；稍后我会让你再采一次，两次要能对比

【合规要求】
  - 只采榜单上公开可见的内容，不要点进话题内部
  - 不要尝试登录、不要绕过任何访问限制
  - 请求之间间隔 2 秒以上，出现登录提示立即停止

4.1 三条常用追问指令

追问一（修换算）：
「1.2亿」被算成了 120000，这是错的，正确是 120000000。
请按「万=10000、亿=100000000」重新换算所有热度值，并保留原文列。

追问二（两期对比）：
现在我发给你第二个时间点的榜单文件。
请按「话题名」对齐两期数据，输出：新上榜话题、掉榜话题、
排名上升最多和下降最多的各 5 条，并给出热度变化。

追问三（拼长表）：
请把两个时间点的结果纵向合并成一张长表，
保留「采集时间」列，按话题分组，方便看同一话题的热度变化。

五、结果核对、清洗与保存

先看某一次采集的结果样例（示例数据）：

5.1 四项核对

• 条数：是不是按可见范围采全了，有没有中途被登录提示打断；
• 排名：是不是从 1 连续排下来，有没有跳号，置顶条目有没有混进正式排名；
• 热度换算：抽查纯数字与「万」「亿」两种写法各一条，算对没有；
• 时间戳与批次：整批的采集时间是不是同一个时刻，别混进别的批次。

5.2 清洗与对比指令

请对本次榜单结果做以下处理：
① 去掉话题名的首尾空格；
② 热度值统一成整数；热度值原文列保持不变；
③ 把「置顶 / 推广」条目单独抽到一张表，不要混进正式排名；
④ 按排名升序排列，并新增一列「热度名次复核」：按热度值从大到小重排的名次；
⑤ 和上一时间点对比，输出新上榜、掉榜、上升、下降四类话题；
⑥ 把结果按采集时间纵向追加到 hot_all.xlsx 累积表里。

5.3 文件命名与归档

hot_20261008_09.xlsx      ← 09 点的快照（原始，保留）
hot_20261008_10.xlsx      ← 10 点的快照
hot_all.xlsx              ← 所有快照纵向合并的长表（做趋势用）
hot_compare_1008.xlsx     ← 当日两期对比结果
hot_log.txt               ← 日志：每次采集时刻、条数、异常

5.4 一条热度曲线怎么读

把多期快照拼成长表之后，挑一条话题看它的热度值随时间怎么变，常见有三种形状：

• 单峰：短时间冲到顶再回落，多半是突发事件；
• 爬坡：连续几个时间点稳步上升，往往是持续发酵的话题；
• 平台期：长期挂在中段不掉，通常是常态化的关注点。

形状本身就是信息。但别忘了在报告里写清：这些都只是「关注度随时间的变化」，不等于事件本身的轻重。

六、常见问题与合规红线

6.1 五个高频问题

6.2 三条合规红线

1. 只采公开可得部分。不登录、不绕过访问限制，不采集用户发言、转发关系等涉及个人的信息。
2. 频率要克制。榜单变化以小时计，每小时一次足够；不要分钟级轮询。
3. 结论要留白。热搜排名受多种因素影响，报告中应说明局限，不能把上榜直接等同于「社会共识」。

另外提醒一句：置顶与推广条目不要混进正式排名去统计。它们的位置和样式都在模仿自然条目，但性质完全不同；字段表里「是否推广位」这一列，就是留给它们的位置。

七、随堂自测（10 题）

点击选项即可判分，答错的题会立刻显示解析。