Skill 速查卡 · Discourse 论坛用户 dump

GA 主仓位置：memory/discourse_shot.py（脚本即文档）。 一句话：Discourse 引擎站点（LinuxDo / Meta Discourse / Hacker News-like）开放完整用户 JSON——三个端点拿全你的发言、点赞、阅读时长。

---

三个核心端点（Discourse 通用，无需登录）

端点	拿什么
/u/{username}.json	用户基础：注册时间、TL、profile bio、关联 socials、可见统计
/u/{username}/summary.json	总结面板：top topics（自创）/ top replies / top replied to / 最常浏览板块
/u/{username}/activity.json?offset=0	活动流：每条 action（话题 / 回帖 / 点赞）+ 时间戳；可翻页

还有 /u/{username}/user_actions.json?filter=15 拿"获赞"详情，filter 不同值对应不同 action 类型。

---

极简调用（Python requests）

import requests, time
HOST = "https://linux.do"
H = {"User-Agent": "Mozilla/5.0", "Accept": "application/json"}

def fetch_user(name):
    base = requests.get(f"{HOST}/u/{name}.json", headers=H).json()
    summ = requests.get(f"{HOST}/u/{name}/summary.json", headers=H).json()
    acts = []; offset = 0
    while True:
        r = requests.get(f"{HOST}/u/{name}/activity.json?offset={offset}",
                         headers=H, timeout=15).json()
        page = r.get("user_actions", [])
        if not page: break
        acts.extend(page)
        if len(page) < 30: break
        offset += 30
        time.sleep(0.5)         # 礼貌限速
    return {"profile": base["user"], "summary": summ["user_summary"], "actions": acts}

dump = fetch_user("virtual_panda")

---

字段映射（case2 用得上的）

profile.user.created_at          → 注册时间
profile.user.trust_level          → TL（0~4）
profile.user.likes_received       → 收到赞
profile.user.likes_given          → 给出赞
profile.user.post_count           → 回帖数
profile.user.topic_count          → 主题数
profile.user.time_read            → 阅读时长（秒，case2 转小时）
profile.user.recent_time_read     → 近 60 天阅读
profile.user.days_visited         → 在线天数
profile.user.posts_read_count     → 已读帖

summary.user_summary.most_replied_to_users  → 最常对谈的人
summary.user_summary.top_categories         → 偏好板块（id + topic_count + post_count）
summary.user_summary.topics                  → 自创主题前 N（带 reply_count / like_count / views）

---

在本案例集出现的位置

• case2 · 自我画像：拿 topics Top N 做主题指纹；拿 time_read / posts_read_count 做"潜水深度"；拿 likes_received / likes_given 比值做"质量型 vs 互动型"判读

---

注意事项

• 匿名 token 即可：上面端点全部不要登录态，礼貌 0.5–1s 间隔即可
• Cloudflare：偶发 challenge → 改用浏览器内 web_execute_js fetch(..., {credentials:'include'})
• 大量 actions：用户活跃度极高时 actions 可能上千条 → 按需 cap 到最近 N=200
• 隐私：summary 里有"最常对谈"会暴露关系网；做他人画像时务必脱敏