抖音数据爬虫 Skill

功能概述

获取抖音热榜数据和关键词搜索结果。

功能特性

• 🔥 热榜获取 - 获取抖音实时热搜榜（公开 API，无需登录）
• 🔍 关键词搜索 - 按关键词搜索抖音视频（Playwright 浏览器自动化 + API 回退）
• 📝 文案提取 - 提取视频标题、描述、标签等
• 🎬 数据统计 - 获取播放量、点赞数、评论数等

自然语言调用

当用户用自然语言表达搜索意图时，直接调用，无需用户手动指定命令。

识别模式

关键词提取规则

1. 从用户自然语言中提取核心搜索词
2. 去掉"视频"、"一下"、"一些"等无意义词
3. 保留具体品类/主题词（如"海鲜"、"小龙虾"、"美食"）
4. 如果用户指定数量，使用 --limit；否则默认 10

依赖

Playwright 和 Chromium 浏览器。首次使用前运行：

pip install playwright && playwright install chromium

使用方法

搜索关键词

# 基本搜索
python3 scripts/scraper.py search --keyword "海鲜" --limit 10

# 仅使用热榜 API（更快，无需浏览器）
python3 scripts/scraper.py search --keyword "海鲜" --method api --limit 10

# 搜索并保存结果
python3 scripts/scraper.py search --keyword "海鲜售卖" --limit 20 --output seafood.json

获取热榜

# 获取热榜
python3 scripts/scraper.py hot --limit 20

# 保存热榜数据
python3 scripts/scraper.py hot --limit 50 --output hot.json

搜索方式说明

⚠️ 抖音网页版搜索需要登录。如果未登录，auto 模式会自动回退到热榜 API。

输出数据格式

JSON

[
  {
    "title": "视频标题",
    "description": "视频描述",
    "author": "作者昵称",
    "play_count": 1000000,
    "like_count": 50000,
    "comment_count": 2000,
    "share_count": 1000,
    "url": "https://www.douyin.com/video/xxx",
    "tags": ["标签1", "标签2"],
    "publish_time": "2026-06-08",
    "hot_value": 5000000
  }
]

注意事项

1. 遵守平台规则 - 合理使用，避免频繁请求
2. 数据用途 - 仅供学习和研究
3. 搜索限制 - 抖音网页搜索需登录，未登录时回退到热榜数据
4. 请求间隔 - 建议搜索间隔 ≥ 5 秒

技术架构

• 热榜 API: https://www.douyin.com/aweme/v1/web/hot/search/list/ — 公开接口，无需登录
• 搜索: Playwright 浏览器自动化 → 抖音搜索页 → 提取 SSR/DOM 数据 → 回退热榜 API