sensortower-st-cli 0.1.8

Sensor Tower CLI — browser cookies + httpx, JSON envelope for agents

st-cli

源码仓库：https://github.com/ronaldo123321/st-cli（git clone https://github.com/ronaldo123321/st-cli.git）。

这是一个基于浏览器 Cookie 登录的 Sensor Tower 命令行工具（类似 rdt-cli 的登录体验）：

• 登录方式：从本机浏览器提取 Cookie（不需要手动复制 token）
• 数据来源：调用 Sensor Tower 网页端使用的 /api/* 接口（httpx）
• 凭据位置：~/.config/st-cli/credential.json

依赖

• Python 3.10+
• 本机浏览器已登录过 Sensor Tower（Chrome / Firefox / Edge / Brave 之一，供 st login 读取 Cookie）

安装

PyPI 上的包名是 sensortower-st-cli；安装后命令行仍是 st。

uv tool install sensortower-st-cli

认证

1. 在浏览器中打开并登录 https://app.sensortower.com
2. 在同一台机器上执行

st login --json

会话文件：~/.config/st-cli/credential.json（权限 600）。

退出登录：

st logout

已登录但 st login 仍报 403 / api_ok: false

按下面顺序排查（大多数情况第 1 条就能解决）：

1. 完全退出浏览器后重试：先彻底退出 Chrome/Brave/Edge/Firefox，再执行 st login（避免 Cookie SQLite 锁导致读到旧/空数据）。
2. 指定 Chrome Cookies 路径（多 Profile 场景常见）：

export ST_CHROME_COOKIES_DB="$HOME/Library/Application Support/Google/Chrome/Profile 1/Cookies"
st login --json

3. 看错误详情：若是 403，重点看 st status --json 返回里的 response_headers / body_preview；如果出现 Cloudflare 相关头（例如 cf-ray），可能是网络/WAF 限制，换网络或稍后重试。

快速开始（复制粘贴即可）

# 1) 登录
st login --json

# 2) 检查会话可用
st status --json

# 3) 拉一个应用的“最近 12 个月”月度收入（估算）
st fetch "QuickBooks" --json

常用命令一览

命令	说明
st login	从浏览器提取并保存 Cookie，并探测 autocomplete API
st logout	删除已保存的凭据文件
st status	用当前凭据探测 ST API 是否可用
st fetch "<URL 或 应用名>"	自动完成 → 解析 app → 拉取 最近 12 个月月度收入（估算）
st batch -f queries.txt	对文件中每行执行与 fetch 相同的流水线（每行取自动完成第一条）
st landscape ...	抓取竞品格局数据（JSON/YAML），可选 --out 直接渲染 Markdown 报告
st landscape-report ...	只做渲染：把 st landscape --json 的输出渲染成 Markdown（不重复请求 ST）

多结果时 fetch 会返回 needs_disambiguation 与 candidates，请再执行：

st fetch "Duolingo" --pick 1 --json

竞品格局（st landscape）

准备一个竞品名单文件（每行：竞品名 + store URL，推荐 TAB 分隔）：

QuickBooks	https://apps.apple.com/us/app/quickbooks-accounting/id584606479
Xero	https://apps.apple.com/us/app/xero-accounting/id422067011
Zoho Books	https://apps.apple.com/us/app/zoho-books-accounting/id1040049265
Wave	https://apps.apple.com/us/app/wave-accounting/id449637421
FreshBooks	https://apps.apple.com/us/app/freshbooks-invoice-tracking/id479925545
Sage	https://apps.apple.com/us/app/sage/id1470884689

然后运行（示例）：

st landscape \
  --competitors-file competitors_batch1.txt \
  --limit 6 \
  --json \
  --out report.md

• 输出的核心列（报告与 JSON 都会包含）：

  • {YYYY-MM} Revenue：上一个自然月的收入（USD）
  • 6M Growth：相对 上一个自然月的 6 个月前 的增长率（百分比）
  • First Release：首次发布时间（US）
  • Market share：市场份额（上一个自然月口径），两位小数百分比
  • Downloads：下载量（上一个自然月口径，absolute）
  • MAU：月活人数（上一个自然月口径，absolute）

• --limit：最多输出 N 个竞品（会对输入名单做解析/匹配，个别名称可能解析失败）

• --out：生成 Markdown 报告路径

数据与渲染解耦用法（推荐）

先抓数据（产物可复用）：

st landscape --competitors-file competitors_batch1.txt --json > landscape.json

再单独渲染报告（不再请求 Sensor Tower）：

st landscape-report --in landscape.json --out report.md --json

也支持 stdin 管道：

st landscape --competitors-file competitors_batch1.txt --json | st landscape-report --out report.md --json

st landscape JSON 字段补充说明

st landscape --json 的 data.competitors[].st 中新增/常用字段：

• revenue_last_month_usd：上一个自然月收入（USD）
• revenue_trailing_12_months_usd：以上一个自然月为截止点的近 12 个月收入总和（USD）
• revenue_6_months_ago_usd：6 个月前对应月份的收入（USD）
• growth_vs_6m_percent：相对 6 个月前的增长率（百分比数值；无法计算时为 null）
• first_release_date_us：首次发布时间（来自 facets/v2）
• market_share_as_of_last_month.share_percent：市场份额（两位小数百分比）
• downloads_as_of_last_month.downloads_absolute：下载量（absolute）
• mau_as_of_last_month.mau_absolute：月活人数（absolute）

输出

默认与 rdt-cli 类似：非 TTY 输出 YAML；--json 输出结构化 envelope：

{ "ok": true, "schema_version": "1", "data": { ... } }

FAQ

为什么会很慢？

很多接口需要按月份窗口拆分请求（例如 12 个月就可能有 12 次请求），且 Sensor Tower 侧可能对请求频率敏感。

为什么会卡住/没有输出文件？

通常是某个请求被 WAF/网络阻断或长时间等待。建议先跑：

st status --json

并单独用 st fetch "<name>" --json 验证某个名称能否被正常解析与拉取。

开发

uv run pytest
uv run ruff check st_cli tests

说明

• 月度收入/份额相关数据来自 ST 的 /api/*，通常需要多次请求拼装结果，请避免并发过猛。
• 若 ST 改版导致字段变化，需调整 st_cli/st_api.py / st_cli/pipeline.py 的解析逻辑。