fanqie-rank

name	fanqie-rank
description	当用户需要获取番茄小说榜单数据（新书榜、阅读榜）时使用此技能 - 分析番茄小说各分类竞争程度、获取热门书籍信息（书名、作者、简介、在读数、字数）、了解当前市场趋势和热门题材
allowed-tools	Read, Bash

番茄榜单抓取 (fanqie-rank)

当用户需要获取番茄小说榜单数据（新书榜、阅读榜）时使用此技能。

触发词

番茄榜单、新书榜、阅读榜、榜单数据、抓取榜单、fanqie rank

使用场景

• 分析番茄小说各分类竞争程度
• 获取热门书籍信息（书名、作者、简介、在读数、字数）
• 了解当前市场趋势和热门题材

榜单URL格式

https://fanqienovel.com/rank/{gender}_{type}_{category_id}

参数说明：

• gender: 1=男频, 0=女频
• type: 1=新书榜, 2=阅读榜
• category_id: 分类ID

分类ID映射

男频分类 (19个)

ID	分类名	ID	分类名
1141	西方奇幻	1140	东方仙侠
8	科幻末世	261	都市日常
124	都市修真	1014	都市高武
273	历史古代	27	战神赘婿
263	都市种田	258	传统玄幻
272	历史脑洞	539	悬疑脑洞
262	都市脑洞	257	玄幻脑洞
751	悬疑灵异	504	抗战谍战
746	游戏体育	718	动漫衍生
1016	男频衍生

女频分类 (18个)

ID	分类名	ID	分类名
1139	古风世情	8	科幻末世
746	游戏体育	1015	女频衍生
248	玄幻言情	23	种田
79	年代	267	现言脑洞
246	宫斗宅斗	539	悬疑脑洞
253	古言脑洞	24	快穿
749	青春甜宠	745	星光璀璨
747	女频悬疑	750	职场婚恋
748	豪门总裁	1017	民国言情

竞争程度分级

根据榜首在读数判断：

• 🔴🔴 超红海: >50万在读
• 🔴 红海: 30-50万在读
• 🟡 中等偏高: 25-30万在读
• 🟡 中等: 20-25万在读
• 🟢 蓝海: <20万在读

技术要点

字体加密问题

番茄小说榜单页面使用字体加密，直接提取会得到乱码。

解决方案: 通过书籍详情页 /page/{bookId} 获取真实书名，该页面不使用字体加密。

数据提取

页面数据存储在 window.__INITIAL_STATE__ JSON中：

• rank.book_list: 书籍列表
• 每本书包含: bookId, bookName(加密), author(加密), abstract(加密), read_count, wordNumber

Python抓取代码

#!/usr/bin/env python3
import json
import re
import urllib.request
import time
from pathlib import Path

# 分类映射
MALE_CATEGORIES = {
    "1141": "西方奇幻", "1140": "东方仙侠", "8": "科幻末世",
    "261": "都市日常", "124": "都市修真", "1014": "都市高武",
    "273": "历史古代", "27": "战神赘婿", "263": "都市种田",
    "258": "传统玄幻", "272": "历史脑洞", "539": "悬疑脑洞",
    "262": "都市脑洞", "257": "玄幻脑洞", "751": "悬疑灵异",
    "504": "抗战谍战", "746": "游戏体育", "718": "动漫衍生",
    "1016": "男频衍生"
}

FEMALE_CATEGORIES = {
    "1139": "古风世情", "8": "科幻末世", "746": "游戏体育",
    "1015": "女频衍生", "248": , : ,
    : , : , : ,
    : , : , : ,
    : , : , : ,
    : , : , : 
}

 ():
    
    url = 
    headers = {: }
    req = urllib.request.Request(url, headers=headers)
     urllib.request.urlopen(req, timeout=)  resp:
         resp.read().decode()

 ():
    
     = re.search(, html, re.DOTALL)
     :
         json.loads(.group())
     

 ():
    
    url = 
    headers = {: }
    req = urllib.request.Request(url, headers=headers)
    :
         urllib.request.urlopen(req, timeout=)  resp:
            content = resp.read().decode()

        book_name = re.search(, content)
        author = re.search(, content)
        abstract = re.search(, content)

         {
            : book_name.group()  book_name  ,
            : author.group()  author  ,
            : abstract.group()  abstract  
        }
     Exception  e:
        ()
         

 ():
    
    read_wan = top_read / 
     read_wan > :
         
     read_wan > :
         
     read_wan > :
         
     read_wan > :
         
    :
         

 ():
    
    ()

    html = fetch_rank_page(gender, rank_type, category_id)
    data = parse_initial_state(html)

      data     data:
         

    book_list = data[].get(, [])[:]
    results = []

     i, book  (book_list, ):
        book_id = book.get(, )
        read_count = (book.get(, ))
        word_count = (book.get(, ))

        
        real_info = get_real_book_info(book_id)
        time.sleep()  

         real_info:
            results.append({
                : i,
                : real_info[],
                : real_info[],
                : real_info[],
                : read_count / ,  
                : word_count / 
            })

     results

 ():
    
    lines = [, , , ]

    
    sorted_cats = (all_data.items(),
                        key= x: x[][], reverse=)

     cat_name, cat_data  sorted_cats:
        level = cat_data[]
        top_read = cat_data[]

        lines.append()
        lines.append()

         book  cat_data[]:
            lines.append()
            lines.append()
            lines.append()
             book[]:
                abstract = book[][:] +   (book[]) >   book[]
                lines.append()
            lines.append()

        lines.append()
        lines.append()

     .join(lines)


 ():
    gender =   
    rank_type =   
    categories = MALE_CATEGORIES  gender ==   FEMALE_CATEGORIES

    all_data = {}

     cat_id, cat_name  categories.items():
        books = scrape_category(gender, rank_type, cat_id, cat_name)
         books:
            top_read = books[][]  books  
            all_data[cat_name] = {
                : get_competition_level(top_read * ),
                : books,
                : top_read
            }
        time.sleep()  

    
    md = generate_markdown(all_data, )

    
    output_path = Path()
    output_path.write_text(md, encoding=)
    ()

 __name__ == :
    main()

使用方法

1. 快速抓取: 运行上述Python脚本
2. 自定义参数: 修改 gender 和 rank_type 变量
3. 输出位置: 默认保存到当前目录的 fanqie-newbook-data.md

已有数据文件

最新抓取的完整数据保存在：

• novel-writer-skills/templates/knowledge-base/genres/fanqie-male-newbook-top10.md
• novel-writer-skills/templates/knowledge-base/genres/fanqie-trends-2025.md

注意事项

1. 请求间隔建议 0.3-1 秒，避免被封IP
2. 榜单数据每天下午3点更新
3. 新书榜要求：30万字以下、已签约、未断更
4. 阅读榜要求：30万字以上、已签约、已推荐