Youtube Search Extractor

YouTube搜索结果视频链接提取器 - 可以搜索特定关键词并提取视频链接

YouTube Search Extractor - YouTube搜索结果视频链接提取器

功能概述

这是一个用于从YouTube搜索结果中自动提取视频链接的技能。它可以：

1. 使用agent-browser工具自动执行YouTube搜索
2. 从搜索结果HTML页面中提取视频链接
3. 过滤和去重视频链接
4. 生成格式化的链接列表

安装依赖

安装agent-browser（npm方式推荐）

bash

npm install -g agent-browser
agent-browser install
agent-browser install --with-deps

从源代码安装

bash

git clone https://github.com/vercel-labs/agent-browser
cd agent-browser
pnpm install
pnpm build
agent-browser install

使用方法

基本搜索和提取

bash

# 搜索关键词并保存链接到文件
npm run search -- "关键词" "输出文件名"

示例：搜索Hydrasynth实战应用视频

bash

npm run search -- "hydrasynth 实战应用" hydrasynth_links

直接使用脚本

bash

cd /Users/happy/.openclaw/workspace/skills/youtube-search-extractor
python3 youtube_search_extractor.py "关键词" "输出文件名"

文件结构

核心文件

• youtube_search_extractor.py - 主要的搜索和提取脚本
• SKILL.md - 技能文档
• package.json - npm项目配置
• .clawhub/ - ClawHub配置目录

输出文件

• <output_file>.html - YouTube搜索结果的HTML页面
• <output_file>_links.txt - 提取的视频链接列表

技术特点

🚀 自动化流程

• 使用agent-browser进行浏览器自动化
• 模拟真实用户搜索行为
• 智能等待页面加载完成

🔍 精准提取

• 使用正则表达式匹配视频链接模式
• 处理相对链接到绝对链接的转换
• 自动去重和链接清理

📋 格式化输出

• 清晰的编号列表
• 完整的YouTube URL格式
• 包含搜索时间戳

⚡ 高性能

• 并行处理搜索和提取
• 优化的链接匹配算法
• 容错机制保障稳定运行

支持的搜索关键词格式

• 英文关键词："Hydrasynth practical applications"
• 中文关键词："hydrasynth 实战应用"
• 混合关键词："OpenClaw tutorial 教程"
• 多关键词搜索：使用空格分隔

使用示例

1. 搜索OpenClaw相关视频

bash

npm run search -- "OpenClaw tutorial" openclaw_links

2. 搜索Hydrasynth实战应用视频

bash

python3 youtube_search_extractor.py "hydrasynth 实战应用" hydrasynth_links

3. 搜索特定主题的视频

bash

cd /Users/happy/.openclaw/workspace/skills/youtube-search-extractor
python3 youtube_search_extractor.py "AI音乐创作" ai_music_links

配置选项

脚本参数

bash

python3 youtube_search_extractor.py [关键词] [输出文件名] [可选参数]

可选参数：
  --headless          # 无头浏览器模式（默认：启用）
  --wait-time <秒数>   # 页面加载等待时间（默认：5秒）
  --max-links <数量>   # 最大链接数（默认：50个）
  --proxy <地址>       # 使用代理服务器

配置文件

创建youtube_search_config.json配置文件：

json

{
  "browser": {
    "headless": true,
    "wait_time": 5,
    "user_agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
  },
  "extractor": {
    "max_links": 50,
    "filter_relevance": true
  }
}

故障排除

常见问题

1. 安装依赖失败

   bash

   npm install -g agent-browser --force
   

2. 浏览器启动失败

   bash

   agent-browser install --with-deps
   

3. 网络连接问题

   bash

   # 使用代理
   python3 youtube_search_extractor.py "关键词" "输出文件名" --proxy "http://localhost:8080"
   

调试模式

bash

# 启用详细输出
python3 youtube_search_extractor.py "关键词" "输出文件名" --debug

扩展功能

添加新的搜索模板

在search_templates目录中添加搜索模板：

json

{
  "name": "Hydrasynth Search",
  "keywords": ["hydrasynth", "Hydrasynth", "hydra synth"],
  "description": "搜索Hydrasynth合成器相关的内容",
  "filters": ["hydrasynth"]
}

自定义提取规则

修改youtube_search_extractor.py中的链接匹配模式：

python

def extract_video_links(html_content):
    patterns = [
        r'href=["\'](/watch\?v=[\w-]+[^"\']*)["\']',
        r'href=["\'](https?://(?:www\.)?youtube\.com/watch\?v=[\w-]+[^"\']*)["\']',
        r'href=["\'](https?://(?:www\.)?youtu\.be/[\w-]+[^"\']*)["\']'
    ]
    # 其他提取逻辑...

注意事项

合法使用

• 请遵守YouTube的服务条款
• 合理使用API，避免过度请求
• 尊重版权，仅供个人学习使用

性能优化

• 避免在短时间内进行大量搜索
• 使用适当的等待时间避免被封禁
• 考虑使用代理池分散请求

安全注意

• 不在代码中硬编码个人信息
• 定期更新依赖库
• 监控网络连接安全性

许可证

本技能采用MIT许可证，可自由使用、修改和分发。