起点中文网月票榜单的可视化系统产品系统Vibe Coding

1. 立项原因
起点小说太多，官方榜单只有简单排名，看不出趋势和规律。读者选书难，想分析数据也没有工具。所以做了这个系统，把榜单数据爬下来，做成图表展示，还能预测热度、推荐小说，方便看数据、选书。
2. 行业场景
网络文学行业发展快、用户多，月票榜是衡量小说热不热的重要指标。本系统面向小说读者和运营人员：读者用图表和推荐功能快速选书，运营通过可视化大屏看各分类的销量和热度走势，辅助决策。

1. 功能模块
用户模块：注册、登录（含验证码）、个人中心、收藏书单
数据采集模块：爬虫自动抓取起点月票榜单数据，存入数据库
数据展示模块：小说榜单列表、小说详情页、数据可视化图表、数据大屏
数据分析模块：分类数量统计、月票热度分析、品类分布图表
机器学习模块：小说聚类分析（爆款/潜力/稳定/小众）、热度预测、个性化推荐
AI 问答模块：接入智谱 AI，可对话咨询小说相关内容
评论模块：用户对小说发表评论
2. 主要功能描述
系统用爬虫采集起点中文网月票榜单数据并入库，前端以图表和大屏方式展示榜单和分析结果；用户注册登录后可以浏览小说、收藏、评论，还能使用智能推荐和热度预测功能找书；同时接入 AI 助手进行问答，是一个集“数据采集—分析—可视化—智能推荐”于一体的小说数据分析平台。

1. 我负责的具体任务
搭建 Flask 项目整体框架，设计数据库模型（小说、月票记录、用户、收藏、评论表）
编写爬虫模块：抓取起点月票榜单页面，解析数据并处理字体反爬，清洗后存入数据库
开发后端接口：登录注册（JWT + 验证码）、小说列表/详情、收藏、评论、各类图表数据接口
实现数据分析与可视化接口（分类统计、月票走势），配合前端完成页面和大屏展示
实现机器学习模块：K-Means 小说聚类、热度预测、基于收藏的个性化推荐
接入智谱 AI 实现在线问答功能
编写 Docker 部署配置，完成项目打包上线
2. 技术栈、亮点与难点
技术栈：Python + Flask + SQLAlchemy（后端）、pandas + scikit-learn（数据分析/机器学习）、Requests + 字体解析（爬虫）、Jinja2 + ECharts（前端可视化）、智谱 AI（智能问答）、Docker + Gunicorn（部署）
实现亮点：
完整的“采集 → 存储 → 分析 → 可视化 → 智能应用”数据链路，数据大屏实时展示
解决了起点网站字体加密反爬问题，自动下载字体文件并解析映射还原真实数字
机器学习应用落地：聚类给小说分级（爆款/潜力/稳定/小众）、线性回归预测月票走势、基于用户收藏的分类推荐
难点与解决：
反爬机制：起点对月票数字做了字体混淆，直接爬到的是乱码，通过下载 woff 字体文件、解析 cmap 映射表还原真实数据
数据不稳定：页面结构变化导致解析失败，采用 YAML 配置 + 日志记录 + 状态断点续爬，失败自动保存调试快照
冷启动推荐：新用户没有收藏记录时无法个性化推荐，采用“无收藏则返回热门榜单”的兜底策略