企业官网建设流程全解析

别再手动比价了：SteamTradingSiteTracker 替你 24 小时盯住四平台 Steam 饰品行情

【免费下载链接】SteamTradingSiteTrackerSteam 挂刀行情站 —— 24小时更新的 BUFF & IGXE & C5 & UUYP & ECO 挂刀比例数据 | Track cheap Steam Community Market items on buff.163.com, igxe.cn, c5game.com, youpin898.com and ecosteam.cn.项目地址: https://gitcode.com/GitHub_Trending/st/SteamTradingSiteTracker

SteamTradingSiteTracker（Steam 挂刀行情站）面向 Steam 饰品交易者，24 小时自动采集 BUFF、IGXE、C5、UUYP 四大平台的 CSGO、DOTA2 饰品价格与挂刀比例，重点饰品约每 10 分钟刷新一次，让多平台比价不再需要逐个打开站点。

一次手动比价要花多少功夫

想买一把刀，常见流程是：打开 BUFF 看最低卖价，切到 IGXE 找同款，再看 C5、UUYP，最后回 Steam Market 算扣费后的成交价。5 个页面、1 件饰品，而且只有价格，没有订单深度、没有成交量。

这个仓库把这套流程做成了自动化任务：

• 同时覆盖 BUFF、IGXE、C5、UUYP，包含 CSGO 与 DOTA2 全部可交易饰品，约 64000 件；
• 每件饰品带 24 小时成交量、买卖订单深度，以及分平台的挂刀比例（"最优"和"稳妥"两档）；
• 全天候运行，重点饰品 10 分钟更新一轮。

scripts 里的四个模块分别在做什么

核心代码都在 scripts/ 下，整条链路是"采集—排队—结算"的结构。存储层只有两样：MongoDB 存饰品数据，Redis 存任务队列，统一封装在 scripts/database.py（MongoDB 与 TaskList 两个类）。

元数据爬虫：先把跨平台饰品对齐

start_meta_crawler.py以 BUFF 的饰品列表为底册，逐件去 IGXE、C5、UUYP 查对应 ID，再解析 Steam Market 的 market_id，把完整的 ID 映射表写进 Meta 库；元数据 14 天过期，超期就删掉重爬。比价的第一步其实是这件事：同一件饰品在各平台名字、ID 都不一样，对齐了才谈得上比。

任务调度与数据抓取：决定谁先爬，再并行去爬

start_task_mapper.py按轮次运行：同步 Meta 与 Data 之间的饰品集合差异，再为待更新的饰品生成任务塞进 Redis 任务池。start_data_fetcher.py拉起 4 个抓取进程，每个任务按顺序跑 6 个子步骤——Steam 24h 成交量、四平台订单簿、Steam Market 订单簿——单请求超时 12 秒、单件最多重试 80 次，全部请求走代理。

结果收集：算出挂刀比例

start_result_collector.py每 10 秒扫一次 Redis 里的已完成任务。它对每个平台给出两档参考价：8 美元以上的饰品取"最优=最低卖价、稳妥=第 3 低"，低价饰品取前 10 条均值；Steam 一侧则倒扣 5% 平台费与 10% 发行商费算出实际到手价，再汇总出各平台的买入、卖出、成交比例，写入 Data 库供前端展示。

更新优先级是怎么定的

64000 件饰品，不可能全部高频抓。系统把所有饰品按weighted_ratio排序（比例越低优先级越高），切成前 10%、10%~30%、30%~100% 三档，每档取最久没更新的 600 件生成任务——当前"值得看"的饰品，刷新最勤。

"值得看"由四类信号共同决定，规则出自历史数据分析：

四类信号最终汇成一个加权分：最优买入比例 ×40% + 最优卖出比例 ×20% + 成交比例 ×40%。更新失败或 24h 成交量不足 2 件的，直接给最低优先级，留到下一轮再说。

部署流程：环境、配置与模块启动顺序

四样依赖，三处要填

环境要求：Python 3.8+、MongoDB、Redis、一个稳定的代理池。克隆下来先补三处：

1. scripts/database.py 顶部的MONGODB_PORT和REDIS_PORT；
2. scripts/secrets/下的buff_cookie.txt、c5_cookie.txt、uuyp_cookie.txt三个登录凭据；
3. scripts/utils.py 里实现load_proxies，返回你的代理列表。

模块启动顺序

按下面的顺序拉起四个模块，各自占用一个终端：

git clone https://gitcode.com/GitHub_Trending/st/SteamTradingSiteTracker cd SteamTradingSiteTracker

python scripts/start_meta_crawler.py python scripts/start_task_mapper.py python scripts/start_data_fetcher.py python scripts/start_result_collector.py

元数据爬虫先补齐 ID 映射表，任务调度基于它生成任务，抓取器消费任务，结果收集器负责计算入库。四个模块都可以长期跑，重启后 task_mapper 会自动同步饰品集合差异，详见 README。

行情数据的三种入口与两个可调参数

网页、微信小程序、API

数据有三个读取入口：Web 页面负责 PC 端的比价与筛选；微信小程序与 Web 端数据同步，方便路上看盘；项目还提供饰品数据 API（2024/02 发布），可以直接拉结构化数据。

更新频率：从 10 分钟调到 5 分钟或 30 分钟

默认节奏是重点饰品每 10 分钟一轮。高频交易者可以压到 5 分钟，同时扩大高流动性饰品的监控面；长期交易者放宽到 30 分钟，看趋势不看瞬时波动即可。

代理池与自定义筛选

采集稳定性很大程度取决于代理质量：付费代理适合高频实时场景，多源切换适合长期无人值守，代码本身还带 80 次重试与 12 秒超时兜底，失败自动放弃本轮。

你也可以在站点筛选之上加自己的规则，比如只留比例低于 0.85、24h 成交量不低于 10、价格不超过 1000 元的饰品：

min_ratio = 0.85 # 只看比例低于此值的饰品 min_volume = 10 # 最低 24h 成交量 max_price = 1000 # 最高价格上限

历史行情库：2022 年 4 月至今

项目从 2022 年跑起，沉淀的历史数据本身就是价值的一部分，数据集分两份：

• DataDumps：2022/04/25 至今的 Priority 数据库完整存档，每 12 小时更新一次，适合做"某一天的市场长什么样"的截面分析；
• SteamBuffSnapshot：特定时期 BUFF 平台 DOTA2 与 CSGO 全部饰品的价格快照，附带对应 Steam Market 数据，以及一份从历史数据推导低比例饰品池筛选规则的 python 示例。

有了这样的时间序列，至少能回答三件事：当前比例处于历史高位还是低位、节假日与大更新前后的波动形态、跨平台价差扣费后还剩多少。

这批数据接下来能做什么

项目本身的方向也很明确：在历史序列上训练价格预测，补上风险评估模型，把单件饰品、单平台的风险量化出来；数据侧则向更多交易平台与更多游戏品类扩展。

长期运行的几个坑与应对

数据更新延迟

先看日志（各模块都用 loguru 输出明细），再依次排查：服务器能否直连平台、代理是否可用、超时与重试是否设得偏小（默认 12 秒、80 次）。多数延迟来自一批失效代理，换掉代理源一般就能恢复。

数据准确性

系统自带几道保险：四平台数据互为参照、24h 成交量低于 2 件的直接跳过、订单簿拉空的饰品降为最低更新优先级，高频饰品突然空单还会打 warning 提醒。想要更严的核对，可以定期与官方接口对数并标记异常。

移动端访问

微信小程序与 Web 端数据同步。手机上看不到数据时，先确认手机网络能否到达部署环境，再确认小程序版本与数据同步状态。

开始之前

1. 克隆仓库，配好 Python 3.8+、MongoDB、Redis；
2. 填好数据库端口、三份平台 Cookie 与代理列表；
3. 按上文顺序启动四个模块；
4. 打开行情页面，确认数据在更新。

【免费下载链接】SteamTradingSiteTrackerSteam 挂刀行情站 —— 24小时更新的 BUFF & IGXE & C5 & UUYP & ECO 挂刀比例数据 | Track cheap Steam Community Market items on buff.163.com, igxe.cn, c5game.com, youpin898.com and ecosteam.cn.项目地址: https://gitcode.com/GitHub_Trending/st/SteamTradingSiteTracker