微博热搜 + 中国趋势数据聚合：用 API 一次性抓全平台热点榜单

一、问题：热点分散在各个平台，想聚合太难

想做舆情观察、内容选题、社交媒体研究，热点榜单是绕不开的基础数据。但现实是：微博有微博的热搜，百度、头条、抖音各有各的榜，热点分散在不同平台，你要一个个去看、去抄，很难拼出一张「此刻全网在聊什么」的全景图。

工程上想把这件事做扎实，会碰到几个问题：

每个平台的榜单页结构不一样，抓取逻辑要分别写；
榜单是实时变化的，你需要带时间戳的快照，而不是一张静态截图；
想跨平台对比、想做时间序列，就必须先把它们统一成同一套结构化字段。

二、手动方式的痛点

手动做法就是：开一堆标签页，微博热搜、百度热榜、抖音热点轮着刷，把感兴趣的词抄进表格。问题很明显：

快照容易丢：热搜几分钟就变，你抄慢一步就对不上了；
无法沉淀时间序列：想分析「某个话题热了多久」，手动根本攒不出连续数据；
跨平台没法对齐：各平台字段口径不同，人工对齐既慢又容易错。

我们要的，是输入简单、输出带时间戳的结构化榜单，而且最好能一次覆盖多个平台。

三、方案：两个 Actor 组合使用

这里用两个 Actor 搭配：一个专攻微博热搜、字段最细，另一个负责多平台趋势聚合。

3.1 微博热搜：weibo-hot-search-tracker

输入参数：

limit：返回多少条；
category：分类；
include_translation：是否附带英文翻译；
include_government_topics：是否包含官方/政务类话题；
proxyConfiguration：代理配置。

输出字段是明确的，每条包含：rank（排名）、keyword（热搜词）、keyword_english_translation（英文翻译）、category（分类）、heat_score（热度值）、label_chinese（中文标签，如「热」「新」「沸」）、is_new（是否新上榜）、weibo_url（对应链接）、as_of_timestamp（数据时间戳）。

Actor 页面：https://apify.com/nexgendata/weibo-hot-search-tracker?fpr=2ayu9b

import requests
APIFY_TOKEN = "<你的-apify-token>"
def run_actor(slug, payload):
    endpoint = (
        f"https://api.apify.com/v2/acts/nexgendata~{slug}"
        f"/run-sync-get-dataset-items?token={APIFY_TOKEN}"
    )
    r = requests.post(endpoint, json=payload, timeout=180)
    r.raise_for_status()
    return r.json()
# 抓微博热搜
weibo_payload = {
    "limit": 50,
    "include_translation": True,
    "include_government_topics": False,
}
weibo = run_actor("weibo-hot-search-tracker", weibo_payload)
print(f"微博热搜共 {len(weibo)} 条")
for item in weibo[:5]:
    print(
        item.get("rank"),
        item.get("keyword"),
        "| 热度:", item.get("heat_score"),
        "| 标签:", item.get("label_chinese"),
        "| 新上榜:", item.get("is_new"),
    )
    print("  链接:", item.get("weibo_url"))
    print("  快照时间:", item.get("as_of_timestamp"))

as_of_timestamp 这个字段很关键——它让每次抓取都成为一个可归档的「时间快照」，后面做时间序列分析就靠它。

3.2 多平台趋势：china-trends-tracker

输入参数包括 sources、platforms、urls、source、platform、proxyConfiguration（用于指定要覆盖哪些来源/平台）。

输出字段同样明确，每条包含：source（来源）、rank（排名）、topic（话题）、score（热度分）、label（标签）、url（链接）、scraped_at（抓取时间）。

Actor 页面：https://apify.com/nexgendata/china-trends-tracker?fpr=2ayu9b

# 抓多平台趋势
trends_payload = {
    "platforms": ["weibo", "baidu", "douyin", "toutiao"],
}
trends = run_actor("china-trends-tracker", trends_payload)
print(f"多平台趋势共 {len(trends)} 条")
for t in trends[:8]:
    print(
        f"[{t.get('source')}] #{t.get('rank')}",
        t.get("topic"),
        "| score:", t.get("score"),
        "| label:", t.get("label"),
    )
    print("  链接:", t.get("url"), "| 抓取时间:", t.get("scraped_at"))

四、把两份数据聚合成一张表

微博热搜的数据字段更细，多平台趋势的覆盖面更广。把两者对齐到一套统一列，就能拼出全景榜单。用 pandas 最方便：

import pandas as pd
# 微博：统一列名
weibo_df = pd.DataFrame(weibo)
weibo_std = pd.DataFrame({
    "source": "weibo",
    "rank": weibo_df.get("rank"),
    "topic": weibo_df.get("keyword"),
    "score": weibo_df.get("heat_score"),
    "label": weibo_df.get("label_chinese"),
    "url": weibo_df.get("weibo_url"),
    "captured_at": weibo_df.get("as_of_timestamp"),
})
# 多平台趋势：统一列名
trends_df = pd.DataFrame(trends)
trends_std = pd.DataFrame({
    "source": trends_df.get("source"),
    "rank": trends_df.get("rank"),
    "topic": trends_df.get("topic"),
    "score": trends_df.get("score"),
    "label": trends_df.get("label"),
    "url": trends_df.get("url"),
    "captured_at": trends_df.get("scraped_at"),
})
combined = pd.concat([weibo_std, trends_std], ignore_index=True)
print("聚合后总条数：", len(combined))
print(combined.groupby("source")["topic"].count())
combined.to_csv("trends_combined.csv", index=False, encoding="utf-8-sig")
print("已保存到 trends_combined.csv")

这样你就得到一张「跨平台、带时间戳、字段统一」的热点总表，可以直接拿去做话题重叠分析、跨平台对比，或者喂给可视化面板。

五、定时与自动化：攒出你自己的热点时间线

热点数据的价值高度依赖「连续、密集」。建议每隔一段时间抓一次快照，靠 as_of_timestamp / scraped_at 串成时间序列：

import datetime
def snapshot():
    ts = datetime.datetime.now().strftime("%Y%m%d_%H%M")
    weibo = run_actor("weibo-hot-search-tracker", {"limit": 50})
    trends = run_actor("china-trends-tracker", {"platforms": ["weibo", "baidu", "douyin"]})
    # 分别按时间戳落文件，方便日后拼时间线
    pd.DataFrame(weibo).to_csv(f"weibo_{ts}.csv", index=False, encoding="utf-8-sig")
    pd.DataFrame(trends).to_csv(f"trends_{ts}.csv", index=False, encoding="utf-8-sig")
    print(f"快照 {ts} 完成")

配合 Apify 的 Schedule，或者本地 crontab 每小时跑一次：

0 * * * * /usr/bin/python3 /home/you/jobs/snapshot_trends.py >> /home/you/logs/trends.log 2>&1

积累几天，你就有了一份属于自己的热点时间线，可以分析「某话题从上榜到掉榜持续了多久」「哪个平台先发酵、哪个平台后跟进」这类真正有意思的问题。

六、小结

热点聚合的难点，从来不是分析，而是稳定、连续地拿到带时间戳的结构化榜单。weibo-hot-search-tracker 给了你字段最细的微博热搜（含 rank、heat_score、label_chinese、is_new、as_of_timestamp 等），china-trends-tracker 帮你覆盖多平台（source、topic、score、scraped_at）。两者组合，几十行 Python 就能搭起一套跨平台热点聚合与时间线归档的管线。

更多面向中文与 APAC 场景的数据采集 Actor，欢迎到 https://thenextgennexus.com 逛逛。你会怎么用这份热点数据？评论区聊聊。