FastMoss 数据抓取技能（统一版）

一个命令，搞定 7 大榜单的 TikTok 小店数据抓取、筛选、分析与品类大盘。

这是什么？

FastMoss 是一个看 TikTok 电商（TikTok Shop） 数据的网站。这个技能让你用一行命令，把网站上 7 大榜单的数据自动抓下来存成表格（CSV），还能顺便生成一份带洞察的分析报告（Markdown）。

以前这是 7 个分开的技能，现在合并成 1 个，命令统一、好记、好维护。

Browser-RPA + 数据分析工具集，覆盖 fastmoss.com (TikTok Shop 数据分析平台) 全部 7 个核心模块。基于 BrowserSkill 驱动用户真实浏览器（复用登录态），把 FastMoss 的榜单/趋势/市场数据落成 CSV，并自动生成 Markdown 分析报告。

项目特点

真实浏览器复用登录态 — 通过 BrowserSkill 驱动用户已经登录的 Chrome/Edge，无需扫码、无需 token、无需 captcha 破解。
7 个 FastMoss 模块全覆盖 — 商品/达人/店铺/直播/视频&素材/广告引擎/品类大盘，每个模块独立 skill，互不干扰。
CSV + Markdown 双输出 — 原始数据进 data/，聚合报告生成到 analysis.md 或自定义路径，Excel 友好（UTF-8 BOM）。
Schema 自动适配 — 6 个 DOM-scraping skill 动态读取 <thead>，无论 FastMoss 改字段都不需要改代码。
API-first 优先 — fastmoss-market 是 API skill，直接调用 FastMoss JSON 接口（通过页面上下文 fetch()），无分页、无 SPA 等待、无 selector 维护。
多市场对比内置 — 所有 ranking skill 都支持 --country 美国,印度尼西亚,泰国,马来西亚 一键多市场抓取并自动切分。

它能抓什么？（7 大榜单）

| 榜单 (--section) | 能看什么（子榜单） | 举个栗子 | |---|---|---| | products 商品榜 | 新品 / 销量 / 热推商品 | 美国最近上新的爆品 | | creators 达人榜 | 涨粉 / 带货 / 蓝V / 热门 / 黑马 | 印尼涨粉最快的带货号 | | shops 店铺榜 | 销量 / 热推店铺 | 泰国销量 Top 店铺 | | ads 广告趋势 | 标签 / 关键词 / 品类 | 某品类正在投的广告关键词 | | creatives 素材榜 | 视频 / 音乐 / 标签 | 近期跑量的视频素材 | | livestreams 直播榜 | TT 直播 / 直播爆品 / 直播带货达人 | 直播带货 Top 达人 | | market 品类大盘 | 行业格局 / 市场总览 / 日销趋势 | 美妆行业各国分布 |

开始之前（只需做一次）

安装好 BrowserSkill（bsk） 并装好浏览器插件。
用 Chrome / Edge 登录 fastmoss.com（数据是靠你自己的登录态抓的，所以必须登录）。
命令行执行 bsk status，看到下面这行、且数字 ≥ 1 就 OK：
```
browsers connected: 1
```

如果看不到 browsers connected，先打开浏览器、确认已登录 fastmoss.com，再试一次。

怎么用？四条命令

所有命令都在技能的 scripts/ 目录里运行（下文用 python 指代运行环境）。把 <out> 换成你想存文件的路径即可，父文件夹会自动创建。

① 抓取 `scrape` —— 把榜单数据存成 CSV

# 抓商品榜（前 5 页），商品榜不需要写 --ranking
python fastmoss_rpa.py scrape --section products --pages 5 --out out/products.csv

# 抓达人「涨粉」榜
python fastmoss_rpa.py scrape --section creators --ranking fans --pages 5 --out out/fans.csv

# 其余榜单都要带 --ranking（取值见上表"能看什么"那一列）
python fastmoss_rpa.py scrape --section shops       --ranking sales     --pages 5 --out out/sales.csv
python fastmoss_rpa.py scrape --section ads         --ranking keyword   --pages 5 --out out/keywords.csv
python fastmoss_rpa.py scrape --section creatives   --ranking video     --pages 5 --out out/videos.csv
python fastmoss_rpa.py scrape --section livestreams --ranking tiktok    --pages 5 --out out/tiktok.csv

② 筛选 `filter` —— 按国家 / 品类 / 时间抓

商品榜可以按 国家 / 品类 / 店铺类型 筛（每次选一种）。
达人 / 店铺等可以按国家筛；达人还能按时间（如 周榜 / 月榜）。

# 商品榜：只要「美妆个护」和「女装与女士内衣」两个品类
python fastmoss_rpa.py filter --section products --category "美妆个护,女装与女士内衣" --pages 3 --out out/by_category.csv

# 商品榜：按国家筛（美国 + 印度尼西亚）
python fastmoss_rpa.py filter --section products --country 美国,印度尼西亚 --pages 3 --out out/by_country.csv

# 达人榜：同时看美国、印尼、泰国、马来西亚
python fastmoss_rpa.py filter --section creators --ranking fans --country 美国,印度尼西亚,泰国,马来西亚 --pages 3 --out out/fans_by_country.csv

# 达人榜：美国近一周带货榜
python fastmoss_rpa.py filter --section creators --ranking commerceTop --country 美国 --time 周榜 --pages 3 --out out/commerce_us_weekly.csv

③ 分析 `analyze` —— 生成洞察报告（Markdown）

把抓到的 CSV 喂进去，自动产出一份「人话版」分析报告。

# 商品榜报告（可同时喂入：总榜 + 分国家 + 分品类 + 单店数据）
python fastmoss_rpa.py analyze products \
    --top50 out/top50.csv --by-country out/by_country.csv \
    --by-category out/by_category.csv --shop out/shop_X.csv \
    --out-md report/products_report.md

# 达人榜报告（把各个子榜一起喂进去）
python fastmoss_rpa.py analyze creators --fans out/fans.csv --commerce out/commerce.csv \
    --blue-v out/blue-v.csv --popular out/popular.csv --horse out/horse.csv \
    --out-md report/creators_report.md

小技巧：如果你是用 ② 的「多国家筛选」抓的数据，直接 --filtered out/fans_by_country.csv 就能出一份按国家拆开的分析。

④ 品类大盘 `market` —— 行业级数据（走接口，不走翻页）

# 看多个国家的品类分布（行业格局对比）
python fastmoss_rpa.py market distribution --region US,ID,TH,MY --time month --out out/categories_by_region.csv

# 某个国家的市场总览 + Top 商品
python fastmoss_rpa.py market base --region US --out out/us_market_base.json --top-products-csv out/us_top_products.csv

# 日销趋势（时间序列）
python fastmoss_rpa.py market sales-chart --region US --out out/us_sales_chart.csv

# 然后出一份大盘报告
python fastmoss_rpa.py analyze market --distribution out/categories_by_region.csv --out-md report/market_report.md

国家怎么填？

表格榜单（products / creators / shops / ads / creatives / livestreams）用 中文标签：

美国 印度尼西亚 英国 越南 泰国 马来西亚 菲律宾 西班牙
墨西哥 德国 法国 意大利 巴西 日本 新加坡 沙特

品类大盘（market）用 英文代码：

US ID GB VN TH MY PH ES MX DE FR IT BR JP SG SA

多个值用英文逗号 , 隔开，例如 美国,印度尼西亚,泰国。

抓出来的文件长啥样？

每个榜单生成一个 .csv 表格，第一行是表头（列名）。
分析报告是 .md（Markdown），可用 Typora / VS Code / 记事本打开，也能直接粘进文档。
CSV 为 UTF-8 编码（带 BOM），Excel 直接打开中文不乱码。

商品榜常见列含义（节选）： 排名 / 商品名 / 价格 / 上架时间 / 国家 / 店铺 / 品类 / 佣金 / 周期销量 / 周期GMV / 总销量 / 总GMV

小贴士 & 排错

抓到 0 行？ 多半是翻页太快。加上 --nav-sleep 6 --page-sleep 4 让脚本多等几秒。
提示浏览器没连上？ 先 bsk status 确认 browsers connected ≥ 1，并确保已登录 fastmoss.com。
想多抓几页？ 把 --pages 调大（每页约 10~20 条）。
Windows 运行环境：用 Python 3.13 运行（WorkBuddy 自带），一般直接 python fastmoss_rpa.py ... 即可。

和以前 7 个技能的关系

之前是 7 个分开的技能（fastmoss-products、fastmoss-creators ……）。现在它们合并进了这 1 个。旧的 .claude/skills/fastmoss-* 文件夹暂时保留当备份、没有删除；等你用顺手了，随时可以手动删掉旧的。

本技能由 BrowserSkill（bsk）驱动你的真实已登录浏览器，复用登录态完成抓取与接口调用。

特别感谢：

https://linux.do 社区佬友