抖音搜索爬虫

爬取抖音搜索结果和热榜数据，使用 Playwright 自动化浏览器操作。支持自然语言搜索（如"搜索一下海鲜视频"）、关键词搜索、获取热榜、提取视频信息等功能。

抖音搜索爬虫 Skill

功能概述

使用 Playwright 自动化浏览器操作（移动端模式），爬取抖音搜索结果和热榜数据。

功能特性

• 🔍 自然语言搜索 - 支持中文自然语言查询，自动提取关键词
• 🔑 关键词搜索 - 按关键词搜索抖音视频
• 📊 热榜获取 - 获取抖音热榜数据（公开 API，无需登录）
• 📝 文案提取 - 提取视频标题、描述、作者等
• 🎬 互动数据 - 获取播放量、点赞数、评论数等
• 💾 数据导出 - 支持 JSON / CSV 格式输出

安装依赖

bash

# Python 版本
pip install playwright
playwright install chromium

# Node.js 版本
npm install
npx playwright install chromium

使用方法

自然语言搜索（推荐）

Skill 支持中文自然语言查询，会自动提取关键词：

自然语言输入	提取的关键词
搜索一下海鲜视频	海鲜
帮我找小龙虾相关内容	小龙虾
看看海鲜售卖的视频	海鲜售卖
找一些海鲜做法	海鲜做法

方式一：Python 脚本（推荐）

bash

# 自然语言搜索
python scripts/scraper.py search --keyword "搜索一下海鲜视频" --limit 10

# 关键词搜索
python scripts/scraper.py search --keyword "海鲜" --limit 10

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

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

方式二：Node.js 脚本

bash

# 自然语言搜索
node scripts/douyin_scraper.js search "搜索一下海鲜视频" 10

# 关键词搜索
node scripts/douyin_scraper.js search "海鲜" 10

# 获取热榜
node scripts/douyin_scraper.js hot 20

Agent 集成

当用户用自然语言请求搜索时，Agent 应：

1. 提取关键词 - 从自然语言中提取核心搜索词
2. 执行搜索 - 调用 python scripts/scraper.py search --keyword "<关键词>" --limit <数量>
3. 返回结果 - 将搜索结果以简洁格式呈现给用户

示例对话

text

用户: 搜索一下海鲜视频
Agent: 好的，我来搜索"海鲜"相关的视频...
→ python scripts/scraper.py search --keyword "海鲜" --limit 10
→ [展示结果]

输出数据格式

JSON 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/search/海鲜",
    "tags": ["海鲜", "搜索"],
    "publish_time": "2026-06-06"
  }
]

注意事项

⚠️ 重要提示：

1. 搜索需要 Playwright - 搜索功能使用移动端浏览器渲染，需安装 Playwright 和 Chromium
2. 验证码 - 抖音可能触发验证码，脚本会自动等待，但频繁请求可能导致封禁
3. 热榜无需登录 - 热榜 API 是公开的，不需要浏览器
4. 请求间隔 - 建议在请求之间添加适当延时
5. 数据用途 - 仅供学习和研究使用

故障排除

问题：浏览器启动失败

bash

playwright install chromium

问题：搜索结果为空

• 可能遇到验证码，尝试增加 --delay 参数
• 抖音页面结构可能已更新
• 检查网络连接

问题：热榜获取失败

• 检查网络连接
• API 可能需要更新

技术细节

• 搜索方式: 使用移动端 User-Agent 访问 douyin.com/search/<keyword>，从渲染后的页面提取结果
• 热榜方式: 直接调用公开 API douyin.com/aweme/v1/web/hot/search/list/
• 自然语言解析: 使用正则匹配从中文自然语言中提取搜索关键词