arknights-recruit-data

该数据集包含《明日方舟》公开招募干员的完整信息，包括职业、位置、稀有度、标签和获取方式等，数据来源PRTS Wiki，遵循MIT协议。This dataset contains comprehensive information about operators obtainable via public recruitment in Arknights, including their class, position, rarity, tags, and acquisition methods. The data is sourced from PRTS Wiki and is licensed under the MIT License.

原始信息汇总

数据集概述

《明日方舟》公开招募干员数据集，数据来源于 PRTS Wiki，遵循 MIT 协议。该数据集提供了《明日方舟》游戏中公开招募干员的完整数据，包含干员名称、职业、位置、稀有度、标签及获取方式等信息。

文件说明

文件	说明
recruit_data.json	完整数据，含职业、位置、标签、获取方式
recruit_simple.json	精简版，仅含 name / rarity / tags（职业和位置已合并入 tags）
fetch_recruit_data.py	爬取脚本，从 PRTS Wiki Cargo API 获取最新数据
transform_data.py	转换脚本，将完整数据转为精简格式

数据格式

完整版（recruit_data.json） 字段说明：

• name：干员名称（如“芬”）
• profession：职业（如“先锋”）
• position：位置（如“近战位”）
• rarity：稀有度（数值型，如 2）
• tags：干员标签数组（如 ["费用回复"]）
• obtainMethod：获取方式数组（如 ["公开招募", "标准寻访", "中坚寻访", "主线剧情"]）

精简版（recruit_simple.json） 字段说明：

• name：干员名称
• rarity：稀有度
• tags：标签数组（职业和位置已合并入 tags，如 ["费用回复", "先锋", "近战位"]）

数据统计

• 总干员数：158
• 职业分布：近卫(31)、狙击(29)、术师(19)、特种(19)、先锋(17)、重装(17)、医疗(14)、辅助(12)
• 标签种类：共 17 种，包括支援机械、控场、爆发、治疗、支援、费用回复、输出、生存、群攻、防护、减速、削弱、快速复活、位移、召唤、元素、新手

数据更新

• 可通过运行 fetch_recruit_data.py 脚本重新爬取最新数据
• 通过 transform_data.py 脚本重新生成精简版数据
• 爬虫脚本不会自动更新数据，游戏更新后可提交 issue 请求更新

数据集来源：PRTS Wiki（https://prts.wiki/w/%E5%85%AC%E6%8B%9B%E8%AE%A1%E7%AE%97）

搜集汇总

数据集介绍

构建方式

该数据集源自《明日方舟》游戏内公开招募系统的干员信息，由开发者通过爬虫脚本从PRTS Wiki的Cargo API获取原始数据，并经过转换脚本处理生成。完整版recruit_data.json保留了干员的职业、位置、标签及获取方式等结构化信息，精简版recruit_simple.json则将其整合为仅含姓名、稀有度与标签的紧凑格式，便于快速调用。数据构建过程严谨，来源可靠，遵循MIT协议，确保了数据的合法性与可复用性。

特点

数据集覆盖158名干员，职业分布均衡，涉及近卫、狙击等八大职业，标签体系丰富，包含17种战术特性。其突出特点在于双版本设计：完整版保留了详尽属性，适合深度分析；精简版则极大降低了使用门槛，适合轻量级应用。数据格式统一，JSON结构清晰，便于程序解析与集成，为游戏策略研究、数据可视化及教学示例提供了优质素材。

使用方法

使用者可直接下载JSON文件，或通过运行爬虫与转换脚本自主更新数据，以保持信息时效性。数据可用于构建公招模拟器、干员检索工具或分析标签组合概率等场景。由于格式规范，可无缝对接Python、JavaScript等主流语言的JSON解析库，快速纳入开发流程。尽管爬虫脚本不自动更新，但项目维护者承诺响应更新请求，保障了数据集的持续生命力。

背景与挑战

背景概述

《明日方舟》作为一款策略塔防手游，其公开招募系统是玩家获取干员的重要途径之一，精准的招募组合依赖对干员标签与职业的深入分析。然而，公开招募的数据长期分散于社区维基，缺乏结构化、机器可读的开源资源。该数据集由社区开发者于2023年前后创建，依托PRTS Wiki的Cargo API爬取并整理干员信息，涵盖158名干员、8大职业及17种标签，形成了完整的JSON格式数据。其核心研究问题在于为游戏数据分析、招募策略优化及推荐算法提供标准化数据基础，填补了该领域开源数据集的空白，对游戏数据挖掘和社区工具开发具有重要参考价值。

当前挑战

该数据集所解决的领域问题在于应对游戏角色数据的高动态性和非结构化特征，即如何将分散的维基文本转化为统一、可查询的格式，以满足策略分析与算法训练需求。构建过程中面临多重挑战：一是数据源依赖社区维护的PRTS Wiki，其更新频率和数据完整性受限于贡献者活跃度，导致数据时效性难以保障；二是爬虫脚本（如fetch_recruit_data.py）未能实现自动化更新，需人工触发，增加了维护成本；三是干员属性（如职业、位置、标签）在游戏版本迭代中可能调整，而数据格式的兼容性测试缺乏系统性，易引发解析错误；四是精简版与完整版数据的映射逻辑需精确处理标签合并，稍有不慎便会导致信息失真。这些挑战共同制约了数据集的长期可用性和扩展性。

常用场景

经典使用场景

该数据集为《明日方舟》公开招募系统提供了结构化的干员数据，涵盖职业、位置、稀有度、标签及获取方式等多维度信息。最经典的应用是构建公招计算器或推荐系统，通过输入玩家已选择的标签组合，快速筛选出可能招募到的干员及对应稀有度，帮助玩家优化招募策略。此外，数据集还可用于干员属性分析、标签组合概率统计以及招募历史模拟等场景。

解决学术问题

在学术研究中，该数据集解决了游戏数据标准化与公开可获取性问题，为游戏策略分析、数据挖掘及推荐算法研究提供了真实且结构化的样本。其标签体系与稀有度分级为多标签分类、关联规则挖掘及概率模型构建提供了理想素材，助力研究标签组合与干员出现概率之间的映射关系，并推动游戏数据科学领域在策略优化与玩家行为建模方向的发展。

衍生相关工作

该数据集催生了多类衍生工作，例如基于标签组合的概率预测模型、干员稀有度与标签关联的可视化分析、以及面向玩家的公招策略优化算法。此外，社区开发者可能基于此数据构建本地数据库或API服务，进一步扩展为全量干员图鉴系统。在学术层面，该数据集可作为游戏推荐系统基准测试集，用于比较不同算法在标签-物品匹配任务中的表现，推动游戏内智能推荐技术的迭代与创新。