Wikipedia Trends API

Wikipedia 页面浏览趋势 API

通过 Trends API 了解 Wikipedia 文章关注度。以 0–100 分数显示历史趋势、增长情况和实时热门页面。

密钥：trendsapi.ai/#get-key。HTTP 接口约定和所有来源：trendsapi-ai/trendsapi。

身份验证

pip install trendsapi-wikipedia
export TRENDSAPI_KEY=your_key

Python 3.9+。与 HTTP API 使用同一密钥。

from trendsapi_wikipedia import TrendsAPI

client = TrendsAPI()                    # TRENDSAPI_KEY
# client = TrendsAPI(api_key="YOUR_KEY")

关键词辅助方法默认使用 source: "wikipedia"。传入 source=，即可使用同一客户端访问其他平台。官方完整客户端（包含所有来源，不预设来源）：trendsapi。

方法

方法	REST mode	返回值
get_time_series(keyword, source=, data_mode=)	get_time_series	list[TrendsDataPoint]
get_growth(keyword, percent_growth=, source=, data_mode=)	get_growth	GetGrowthResponse
get_live(limit=, offset=, category=)	get_top_trends	GetTopTrendsResponse
get_top_trends(type=, ...)	get_top_trends	GetTopTrendsResponse

source 使用小写形式（wikipedia）。type 必须完全匹配（Wikipedia Trending）。混用两者会返回 400 错误。

from trendsapi_wikipedia import TrendsAPI

client = TrendsAPI()                    # TRENDSAPI_KEY
# client = TrendsAPI(api_key="YOUR_KEY")

series = client.get_time_series("large language model")
print(series[-1].date, series[-1].value)

growth = client.get_growth("large language model", percent_growth=["3M", "12M"])
print(growth.results[0].growth, growth.results[0].direction)

hot = client.get_live(limit=10)
print(hot.data)                         # [[1, "..."], ...]

get_time_series

points = client.get_time_series("large language model")

每个数据点：

字段	始终存在	含义
date	是	YYYY-MM-DD
value	是	此时间序列的 0–100 指数
keyword	是	回显值
volume	否	可用时提供绝对浏览量
source 或 datatype	否	数据管道标签

Python 返回 list[TrendsDataPoint]。使用 .date 和 .value，不要使用 ["date"]。 JS 返回的对象属性与这些字段相同。

get_growth

g = client.get_growth("large language model", percent_growth=["12M", "3M", "YTD"])
print(g.results[0].growth, g.results[0].direction)

percent_growth 默认值：["12M"]。预设值：7D 14D 30D 1M 2M 3M 6M 9M 12M/1Y 18M 24M/2Y 36M/3Y 48M 60M/5Y MTD QTD YTD。自定义值：{"name": "Launch", "recent": "2024-06-01", "baseline": "2024-01-01"}。

字段	含义
search_term	关键词
data_source	来源
results	每个时间窗口对应一个对象（包含 period、growth、direction、日期和值）
metadata	计数／成功标志

多个时间窗口仍计为一次请求。Python：growth.results[0].growth。JS：growth.results[0].growth。

get_live

hot = client.get_live(limit=10)

字段	含义
as_of_ts	快照时间
type	信息流名称
limit、offset、count	分页
data	[rank, label] 行

Python：hot.data。JS：hot.data。可选参数 offset= 和 category=（仅限 Amazon Best Sellers by Category、Top Websites）。

异步

import asyncio
from trendsapi_wikipedia import AsyncTrendsAPI

async def main():
    c = AsyncTrendsAPI()
    return await asyncio.gather(
        c.get_time_series("large language model"),
        c.get_time_series("large language model", source="google search"),
    )

asyncio.run(main())

每个 200 响应都计为一次计费请求。

Pandas

from dataclasses import asdict
import pandas as pd
from trendsapi_wikipedia import TrendsAPI

df = pd.DataFrame(asdict(p) for p in TrendsAPI().get_time_series("large language model"))
df["date"] = pd.to_datetime(df["date"])
print(df.set_index("date")["value"].resample("ME").mean().tail())

调用（curl）

字段	值
端点	POST https://api.trendsapi.ai/api
身份验证	Authorization: Bearer $TRENDSAPI_KEY
历史数据	使用 get_time_series 或 get_growth，并设置 source: wikipedia
关键词	文章标题或主题，例如 large language model
实时 type	Wikipedia Trending

curl -sS -X POST https://api.trendsapi.ai/api \
  -H "Authorization: Bearer $TRENDSAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{"mode":"get_time_series","source":"wikipedia","keyword":"large language model"}'

来源说明

• 标题匹配要求严格。Java 和 Java (programming language) 是不同的时间序列。
• 调用 get_top_trends 时不要传入 source: wikipedia。请使用 type: Wikipedia Trending。

错误

HTTP	客户端
200	已解析的负载。Python 数据类／JS 类型化对象
400	抛出错误。修正 source 或 type 的拼写
401	抛出错误。检查 TRENDSAPI_KEY
404	抛出错误。该关键词没有对应的时间序列。不要重试
429	抛出错误。配额限制
5xx	客户端重试后抛出错误

HTTP 的 body 字段是 JSON 字符串。SDK 会对其解码。使用原始 curl 时，必须再次解析 body。

网站：https://trendsapi.ai/trends/wikipedia-trends。

许可证

MIT。请参阅 LICENSE。