微信扫一扫豆瓣个人数据归档 · douban-archive
v4.0.0 起回归豆瓣专用。贴吧归档请用
@user_946e03ef/tieba-archive，知识星球导出请用@user_946e03ef/zsxq-topic-archive。
把散落在豆瓣里的「看过、读过、关注过、写过的话」收拢成一份属于你自己的档案。
这是什么
一个帮助普通用户把豆瓣账号数据（书影音标记、广播、关注、长评）全量归档的 skill。抓取 → 跨账号去重 → 盘点诊断 → 交付自包含 HTML 报告 + CSV 数据表，全程不碰账号密码。
环境准备（前提条件）
本 skill 主要用来归档你自己的豆瓣账号，完整数据需要登录态，因此：
- 登录模式（推荐，抓自己账号）：必须先装好 browser-skill（含浏览器插件）——它是核心前提，负责复用你已登录的浏览器做自动化批量抓取。
- 公开模式（轻量替代）：只抓公开页面、零前提，但数据不完整，适合先试跑或暂未装插件时。
⚠️ 数据量提示：本 skill 不适合一次性抓取天量数据，单次建议 ≤1000 条；超出容易在执行中卡顿甚至卡死。数据多时请分时段、分年份执行（比如先抓某一年的，再抓下一年）。
怎么装 browser-skill、怎么装浏览器插件、怎么验证连接、怎么开始用，看这一篇就够：references/prerequisites.md（一文说清安装与连接全流程）。
它能做什么
- 抓取：读书/影视/音乐标记、广播、关注的人与小站、长评论（影评/书评），支持公开页与登录态两种模式
- 去重：多账号（1 个 / 2 个 / N 个都行）按条目 URL 精确去重，标出「全账号交集 / 部分交集 / 仅某号」
- 盘点：按年份/类型/评分/标签统计，生成图表与清单
- 深度诊断（两个内嵌模式）：
- 写作深度诊断：分析你以前 vs 现在的写作水平、价值观、心理状态、审美观变化——把你的长评/广播当写作史样本，逐篇诊断 + 跨年对比
- 草稿医生素材复用：评估旧文字哪些能改造成新内容（五层体检 + A/B/C 复用分级，绝不代笔）
怎么用
见 SKILL.md 的工作流程。核心流程六步：
- 确认目标（账号、范围、模式——先确认再动手）
- 抓书影音（读/看/听标记，逐页翻页）
- 抓广播与关注（广播、关注的人/小站、长评——长评最容易漏）
- 数据核验（列表页 × 广播 × 详情页三方交叉验证）
- 跨账号去重（多号时按 URL 唯一键合并）
- 盘点与深度诊断（审美盘点 + 写作深度诊断 + 素材复用评估）
输出示例（只交付两份文档）
我的豆瓣汇总.html（数据盘点：统计卡 + 图表 + 完整清单 + 去重结果）我的豆瓣点评赏析.html（深度诊断：审美画像 + 写作深度诊断 + 素材复用评估）
CSV / JSON 数据底稿仅在用户明确要求时另附。
隐私与合规
- 不采集账号密码、验证码等凭证；登录模式借助用户自己的浏览器
- 默认只抓用户自己的账号；抓他人账号需说明关系 + 对方知情，最多 3 个（连同自己的号最多 4 个），且只抓公开数据
- 输出做脱敏：用户名、主页链接、真实地名按规则泛化
- 只抓公开数据；不绕过反爬机制；抓取间隔 ≥1.5 秒
- 尊重他人隐私，不抓取他人非公开数据
许可
MIT License
免责声明
本 skill 仅用于个人数据归档与自我回顾，不构成任何专业建议。抓取行为请遵守目标平台的服务条款与当地法律法规；使用者需自行确认抓取对象为本人账号或已获授权的账号。
作者：广东小张。方法论融合多方公开资料与实战经验，具体页面结构以豆瓣实际页面为准。
关于作者
- 作者：广东小张（能源行业一线技术工人，AI 技能自建者）· MIT 开源许可
- 交流学习：需要交流和学习更多，搜索「广东小张的养娃纪事」公众号留言。
- 对外分享产物遵循收敛规范：不罗列内部知识库名，方法论写「融合多方公开资料与实战经验，以官方原文为准」。