如何编写习惯打卡脚本

从零搭建你的自动化自律系统

📖 文章目录导读

1. 为什么你需要一个习惯打卡脚本？
2. 核心设计思路：从“手动记录”到“自动追踪”
3. 技术选型：Python、Bash 还是低代码工具？
4. 手把手教你编写第一个打卡脚本
5. 进阶功能：数据可视化、提醒与多平台同步
6. 避免踩坑：常见错误与调试技巧
7. 问答环节：关于习惯打卡脚本的 5 个高频问题

---

为什么你需要一个习惯打卡脚本？

你有没有这种经历：每天睡前想记录“今天阅读了30分钟”，但打开手机应用时，不是被消息打断，就是忘记具体数字，传统手动打卡的痛点在于：记录成本高、易遗忘、数据难以量化。

习惯打卡脚本能帮你解决三大问题：

• 自动化记录：无需手动输入，脚本自动抓取数据（从番茄钟软件读取专注时长）。
• 趋势可视化：脚本输出 CSV/JSON 文件，可生成周/月度热力图。
• 防遗忘机制：结合系统通知或 Webhook 推送,到点提醒你执行习惯。

真实案例：一位开发者用 Python 脚本自动记录每日饮水量（通过智能水杯 API），坚持 3 个月后，成功戒掉了含糖饮料，脚本让他无需分心记录,专注执行本身。

---

核心设计思路：从“手动记录”到“自动追踪”

编写脚本前，先明确你的“习惯三角”：

要素	说明	例子
触发器	什么事件启动打卡	特定时间、设备连接WiFi、程序启动
行为	要追踪的具体动作	运动时长、代码提交次数、阅读页数
数据存储	记录在哪里	本地CSV、Notion API、GitHub Gist

设计原则：

• 最小干预：脚本应静默运行,无需用户每次确认。
• 容错机制：如果网络中断或数据源缺失,脚本应能缓存数据稍后重试。
• 一次配置，长期运行：通过 cron 或系统调度器,让脚本在后台持续追踪。

---

技术选型：Python、Bash 还是低代码工具？

根据你的技术背景选择合适工具：

🔧 Python（推荐大多数用户）

• 优点：丰富的第三方库（requests、pandas、schedule），支持 API 调用和复杂逻辑。
• 缺点：需安装 Python 环境。
• 适用场景：需要从多个数据源汇总的习惯（如“每天 GitHub 提交 + 微信读书时长”）。

⚙️ Bash/Shell

• 优点：系统自带，无需额外依赖,适合简单的命令日志。
• 缺点：处理 JSON 和 API 能力弱。
• 适用场景：记录“每天开机时间”、“终端命令使用次数”。

📱 低代码/无代码工具（如 Node-RED、n8n）

• 优点：可视化拖拽,适合非程序员。
• 缺点：灵活性有限,依赖服务商。
• 适用场景：快速搭建原型,无需编写代码。

我的建议：如果你会一点点 Python，直接用它，下面所有示例均基于 Python 3.9+。

---

手把手教你编写第一个打卡脚本

1 基础版本：手动记录每天阅读时间

import csv
from datetime import datetime
def log_habit(habit_name: str, value: float, unit: str = "分钟"):
    filename = f"{habit_name}_log.csv"
    with open(filename, 'a', newline='') as f:
        writer = csv.writer(f)
        # 如果文件为空，写表头
        if f.tell() == 0:
            writer.writerow(["timestamp", "habit", "value", "unit"])
        writer.writerow([datetime.now().isoformat(), habit_name, value, unit])
    print(f"✅ 已记录 {habit_name}: {value} {unit}")
# 使用示例
log_habit("阅读", 30)  # 记录今日阅读30分钟

运行方式：在终端执行 python habit.py，输入参数即可记录，但每次手动运行仍不够“自动”。

2 自动版本：定时检查并记录

利用 schedule 库实现每天特定时间自动提醒并记录：

import schedule
import time
def check_and_log():
    # 这里可以集成其他数据源，例如读取某个文件中的数字
    value = prompt_user("今天阅读了多少分钟？请在 5 秒内输入数字：", timeout=5)
    if value:
        log_habit("阅读", float(value))
def prompt_user(prompt, timeout):
    import threading, sys
    user_input = [None]
    def input_thread():
        user_input[0] = input(prompt)
    t = threading.Thread(target=input_thread)
    t.daemon = True
    t.start()
    t.join(timeout)
    return user_input[0]
schedule.every().day.at("22:00").do(check_and_log)  # 每晚10点提醒
while True:
    schedule.run_pending()
    time.sleep(1)

注意：这个版本仍然需要你在终端输入数字，如果你希望完全自动化，需要找到“可自动采集的数据源”。

3 完全自动化版本：从云端 API 获取数据

假设你用了一个“Forest 专注森林”的 API（或其他工具）,脚本可以自动拉取数据：

import requests
import json
def fetch_forest_focus():
    # 替换为你的 API 参数
    url = "https://example.com/api/forest/today"
    headers = {"Authorization": "Bearer YOUR_TOKEN"}
    resp = requests.get(url, headers=headers, timeout=10)
    if resp.status_code == 200:
        data = resp.json()
        minutes = data.get("total_minutes", 0)
        return minutes
    else:
        print("❌ 获取数据失败，将重试...")
        return None
# 在定时任务中调用
def auto_log_focus():
    mins = fetch_forest_focus()
    if mins:
        log_habit("专注", mins)
    else:
        # 缓存重试逻辑
        with open("error_cache.txt", "a") as f:
            f.write(f"{datetime.now()}: 专注数据获取失败\n")

核心要点：找到你习惯工具的开放 API 或网页爬虫接口,让脚本自主采集。

---

进阶功能：数据可视化、提醒与多平台同步

1 数据可视化：用 Matplotlib 生成周报

import pandas as pd
import matplotlib.pyplot as plt
def generate_weekly_chart(habit_name):
    df = pd.read_csv(f"{habit_name}_log.csv")
    df['timestamp'] = pd.to_datetime(df['timestamp'])
    df['week'] = df['timestamp'].dt.isocalendar().week
    weekly_sum = df.groupby('week')['value'].sum()
    plt.figure(figsize=(10, 5))
    weekly_sum.plot(kind='bar', color='skyblue')
    plt.title(f'{habit_name} 周报')
    plt.ylabel(habit_name)
    plt.tight_layout()
    plt.savefig(f'{habit_name}_weekly.png')

2 多平台同步：写入 Notion 数据库

利用 notion-py 库，一键将打卡数据同步到 Notion：

from notion_client import Client
def sync_to_notion(habit_name, value):
    notion = Client(auth="YOUR_NOTION_TOKEN")
    database_id = "YOUR_DATABASE_ID"
    notion.pages.create(
        parent={"database_id": database_id},
        properties={
            "Date": {"date": {"start": datetime.now().strftime("%Y-%m-%d")}},
            "Habit": {"title": [{"text": {"content": habit_name}}]},
            "Value": {"number": value}
        }
    )

3 智能提醒：结合系统通知或 Telegram Bot

import subprocess
def send_notification(title, message):
    # macOS 系统通知
    cmd = f'osascript -e \'display notification "{message}" with title "{title}"\''
    subprocess.run(cmd, shell=True)
# 使用
send_notification("习惯提醒", "已记录今日阅读30分钟")

---

避免踩坑：常见错误与调试技巧

⚠️ 错误1：API 调用超时或限流

• 解决：添加 time.sleep(1) 和重试机制（最多3次）。
• 示例：

  for attempt in range(3):
      try:
          resp = requests.get(url, timeout=5)
          break
      except:
          time.sleep(2 ** attempt)

⚠️ 错误2：文件冲突（同时写入同一 CSV）

• 解决：使用文件锁（fcntl 库）或改用 SQLite 数据库。
• 简单方案：文件名添加日期,每天一个新文件。

⚠️ 错误3：时区问题导致数据错乱

• 解决：统一使用 UTC 时间存储,显示时再转换成本地时间。
• 代码：

  from datetime import timezone
  utc_time = datetime.now(timezone.utc)

⚠️ 错误4：脚本意外终止

• 解决：使用 supervisor 或 systemd 确保脚本常驻运行。
• 或者写一个简单的自愈循环：

  while True:
      try:
          run_main()
      except Exception as e:
          print(f"异常：{e}，10秒后重启...")
          time.sleep(10)

---

问答环节：关于习惯打卡脚本的 5 个高频问题

❓ Q1：我没有编程基础，能写打卡脚本吗？

A：可以尝试低代码工具如 n8n，或者用“某书”的自动化工作流，如果坚持用代码，建议从第4章的基础版开始，只改 habit_name 和 value 这两行。

❓ Q2：脚本记录的数据存储在哪里最安全？

A：推荐本地 SQLite 或 CSV（方便用 Excel 打开），如需云同步，优先选择 GitHub Gist 或 Notion（免费版有 API 限额）,不建议直接存到公开的云端存储。

❓ Q3：如何处理“某一天忘记记录”的情况？

A：在脚本中添加“补录接口”，你可以手动执行 python habit.py --backfill 2025-02-01 阅读 45,通过定时提醒降低遗忘概率。

❓ Q4：每天跑脚本会不会消耗很多电量？

A：几乎可以忽略，Python 脚本单次运行仅需几 KB 内存，比刷短视频省电多了，如果担心，可以用 cron 设置每天运行一次,运行完自动退出。

❓ Q5：脚本能同时追踪多个习惯吗？

A：你可以创建一个字典存储不同习惯的 API 地址，用循环逐一采集，也可以设计一个配置文件 habits.json,让脚本动态加载。

{
  "阅读": {"source": "forest_api", "unit": "分钟"},
  "跑步": {"source": "strava_api", "unit": "公里"}
}

---

从“写脚本”到“养成习惯”

真正改变你的不是脚本，而是持续的观测，脚本只是帮你搬开了“记录”这块绊脚石，当你不再纠结“今天要不要打卡”，而是让脚本默默替你记账时,习惯就变得像呼吸一样自然。

下一步行动：打开终端，创建 habit.py 文件，贴上第4章的基础代码，然后运行它，即使只记录一个习惯，一周后你就会看到数据的变化，如果你在编写过程中遇到问题，欢迎留言讨论——每一个自律者都能从自动化中受益。