微信读书数据展示网站

基于微信读书 API 的个人读书数据展示网站。

「阅间」看板（当前默认前端）：沿用设计稿的视觉与交互，数据来自 /api/reading/* 实时聚合接口，见 docs/API.md。
旧版仪表盘（已归档）：原 ECharts 单页仪表盘，完整备份在 legacy/classic/。

项目结构

.
├── fetch_data.py          # 数据采集脚本（从微信读书 API 拉取数据到 SQLite）
├── app.py                 # Flask 后端服务（旧接口 + 注册当前看板接口）
├── reading_api.py              # 当前数据接口层（/api/reading/*，供「阅间」前端使用）
├── start_dashboard.sh     # 启动脚本（端口可用 PORT 覆盖）
├── legacy/classic/             # 旧版前端备份（index.html / style.css / app.js）
├── weread.db              # SQLite 数据库（运行 fetch_data.py 后生成）
├── requirements.txt       # Python 依赖
├── docs/troubleshooting.md # 日常维护与故障排查
├── templates/
│   └── index.html         # 「阅间」前端页面
└── static/
    ├── css/styles.css     # 当前样式（设计稿原样）
    ├── css/style.css      # 旧版样式（保留）
    └── js/
        ├── weapi.js       # 当前数据层（封装 /api/reading/*）
        └── app.js         # 当前交互逻辑

快速开始

1. 设置环境变量

export WEREAD_API_KEY=wrk-xxxxxxxx  # 你的微信读书 API Key

2. 安装依赖

pip install -r requirements.txt

3. 采集数据

python fetch_data.py

将拉取书架、阅读统计、笔记等数据并存入 weread.db。

4. 启动网站

./start_dashboard.sh          # 默认 8770 端口
PORT=8080 ./start_dashboard.sh # 或指定端口

也可以直接 python app.py（默认 8080，可用环境变量 PORT 覆盖），然后访问 http://127.0.0.1:8770 查看「阅间」看板。

当前看板的书架、统计、推荐、搜索等数据实时来自微信读书接口；未运行 fetch_data.py 时也能使用，只有进度/笔记等局部数据会缺少缓存加速。

自动部署

服务器部署使用根目录的 deploy.sh，由 GitHub Webhook 通知服务器触发：

DEPLOY_BRANCH=master ./deploy.sh

脚本只允许拉取 master 分支，随后自动创建 .venv、安装 requirements.txt、执行数据库迁移并重启 weread.service。GitHub Actions 只做代码验证，不再通过 SSH 登录服务器；详细配置见 master 自动部署。

运行端口、Python 环境、HTTPS 证书和接口故障的诊断方法见日常维护与故障排查。

当前应用版本保存在根目录 VERSION，网页底部和登录页会显示该版本号。

功能模块

模块	说明
总览仪表盘	累计阅读时长、阅读天数、书架藏书数、笔记总数
年度趋势图	各年度阅读时长柱状图
时段分布	24 小时阅读时段分布折线图
偏好分类	阅读分类占比饼图
偏好作者	阅读最多的作者排行
读书排行	阅读时长最久的书籍 TOP 20
书架	每页 48 本，底部页码分页，支持按最近阅读、书名或作者排序
笔记概览	有笔记的书籍及划线/想法/书签统计

数据库表结构

表名	说明
books	书架书籍信息
reading_stats	阅读统计概要（overall/annually）
read_times	阅读时长时间序列
read_longest	阅读时长最久的书籍
prefer_categories	偏好分类
prefer_authors	偏好作者
prefer_time	24 小时阅读时段分布
notebooks	笔记本概览
read_stat_items	阅读统计摘要项
archives	书单/归档

更新数据

随时重新运行 python fetch_data.py 即可刷新本地数据。

3.9 KiB Raw Blame History Unescape Escape