汇集豆瓣标签、豆列与丛书，检索书籍并浏览综合排行。
从豆瓣读书公开的 Top 250、标签、豆列与丛书列表页采集书籍信息，按豆瓣 subject ID 去重，并以评分和评价人数计算综合排名。
使用前请确认你的使用方式符合豆瓣网站条款与当地法律。本项目只处理公开列表页，不绕过验证码或访问控制；遇到风控提示时应停止请求。
在线展示页面：https://douban-books-ranking.pages.dev/
页面首先提供“全部书籍”全库搜索，可按书名、豆瓣 ID、最低评分和最低评价人数筛选；其后按“标签、豆列、丛书、Top 250”四类来源展示综合排行榜。各来源支持名称搜索和分页浏览，点击“豆瓣”可打开对应书籍页面。
本仓库记录的数据快照生成于 2026-08-11。以下数量对应这一快照，不代表豆瓣当前完整书目：
- 去重书籍：338,820 本
- 标签：626 个，仅保留不少于 100 本书的标签
- 豆列：393 个，排除历史抓取失败及少于 10 本书的豆列
- 丛书：55 个
- 豆瓣读书 Top 250：250 本
豆列和丛书按所含书籍数量从多到少排列。每个来源内部均按综合评分降序排列。
综合评分 = (评分 - 2.5) × ln(评价人数)
其中 ln 是自然对数。公式同时考虑书籍评分和评价样本量，并通过对数降低超高评价人数的边际影响；无评分记录排在最后。对于有评分的记录，实现中评价人数缺失或不大于 0 时综合分记为 0，避免计算 ln(0)。
每条书籍记录包含：
| 字段 | 含义 |
|---|---|
id |
豆瓣书籍 subject ID |
title |
书名 |
rating |
豆瓣评分 |
rating_count |
评价人数 |
url |
豆瓣书籍页面链接 |
网站目录位于 data/catalog.json，各来源按每页 100 本拆分为独立 JSON 文件，浏览器只加载当前页面所需的数据。“全部书籍”首次打开时按需加载紧凑索引 data/all-books.json，并在 Web Worker 中执行全库搜索与阈值筛选，避免阻塞页面交互。
.
├─ src/douban_books/ # 爬虫、解析器、存储、排名、分析及发布代码
├─ tests/ # 自动化测试与脱敏 HTML 夹具
├─ sources/ # 最终保留的标签、豆列和丛书来源清单
├─ analysis/ # 最终统计摘要与分析报告
├─ assets/ # 展示页面的 JavaScript 与 CSS
├─ data/ # 按来源和分页拆分的公开书籍数据
├─ index.html # GitHub Pages 入口
└─ pyproject.toml # Python 包与依赖配置
sources/tags.txt、sources/doulists.txt 和 sources/series.txt 是清理后的抓取入口：标签不少于 100 本，豆列不少于 10 本且排除了历史抓取失败项。Top 250 使用固定入口，无需单独的 ID 清单。
SQLite 工作数据库、HTML 缓存、运行日志和备份不进入仓库；网站实际展示的书籍记录已按来源保存在 data/ 中。
需要 Python 3.10 或更高版本：
git clone https://github.com/yuzhounh/douban-books-ranking.git
cd douban-books-ranking
python -m venv .venv
.venv\Scripts\Activate.ps1
python -m pip install -e ".[dev]"
douban-books crawl `
--tag-file sources/tags.txt `
--doulist-file sources/doulists.txt `
--series-file sources/series.txt `
--top250默认使用 data/douban_books.sqlite3 保存进度，成功页面可断点续爬。请控制请求频率；遇到 HTTP 403、418、验证码或异常请求提示时应停止。
douban-books analyze --out-dir analysis --top 5000
python -m pytest分析实现位于 src/douban_books/analysis.py 和 ranking.py。analysis/summary.json 提供机器可读统计，analysis/report.md 提供简要报告。
在主项目完成抓取后，使用已有书籍记录的工作数据库重新生成并发布。默认读取当前工作目录下的 data/douban_books.sqlite3；仓库中的静态 JSON 不会自动导入数据库，数据库不存在时会创建空库。
python -m douban_books finalize
python -m douban_books publish-pages `
--site-dir data/github-pages `
--checkout-dir data/pages-repository `
--repository https://github.com/yuzhounh/douban-books-ranking.git发布命令会提交并推送到目标仓库的 main 分支；发布使用的 checkout 目录必须位于 main 分支，请先妥善保存其中的本地修改。上述命令只更新本仓库，不会修改 yuzhounh.github.io 仓库。
- 数据来源于公开页面，仅供研究、数据分析和个人阅读参考。
- 评分、评价人数及榜单内容会随豆瓣页面变化，本站不是豆瓣官方产品。
- 项目不包含验证码破解、账号池、登录 Cookie 获取、代理轮换或其他风控规避功能。
- Douban-books-2020: 2020 年读书结果，现提供便于表格软件浏览的 UTF-8 BOM CSV。
- Douban-books-crawler-2020: 对应 2020 年结果的 Python 采集与 MATLAB 整理代码。
- Douban-books-2017: 2017 年读书结果快照，记录 129,193 本书。
- Douban-books-results: 更早的读书结果快照，记录 34,636 本书。
- douban-movies-ranking: 采用相同评分思路的影视姊妹项目，数据来源和内容与图书独立。
历史结果与当前项目的采集时间、来源和整理方式不同；上述链接用于了解项目演进，不表示当前代码依赖旧仓库。
代码采用 MIT 许可证。MIT 授权范围为代码；第三方数据的权利归原平台和权利人，具体说明见 LICENSE 中的数据声明。