YouTube 数据采集工具

01KT6AXN30R6BS00RGS094BN50

使用 YouTube 数据采集工具批量抓取 YouTube 视频、Shorts、频道、播放列表、搜索结果、字幕、transcript 和评论数据，支持 JSON 与 CSV 导出，适用于 YouTube SEO、竞品分析、内容研究和自动化数据采集。

by Marianne Turner

4.6

28次运行

最后更新:2026-06-05

免费试用

免费 2,000 条结果

YouTube Scraper

使用 YouTube Scraper，您可以通过 YouTube 视频链接、频道链接、播放列表链接、搜索结果链接或关键词，批量抓取 YouTube 视频数据。该工具可自动识别输入类型，并返回结构化的视频元数据、频道信息、播放量、发布时间、点赞数、评论数、简介链接、字幕转录文本和热门评论等数据，支持导出为 JSON 或 CSV。

支持的输入类型

输入类型	返回内容
视频 URL（`watch?v=`、`youtu.be`、`/shorts/`）	单个视频的完整详情
频道 URL（`/@handle`、`/channel/UC...`、`/c/`、`/user/`）	频道的视频 / Shorts / 直播
播放列表 URL（`?list=`）	播放列表中的所有视频
搜索结果 URL（`/results?search_query=`）	匹配的视频
搜索关键词	匹配的视频 / Shorts / 直播（遵循筛选条件）

每种类型的结果上限独立计算，并按每个搜索词和每个频道应用：maxResults（视频）、maxResultsShorts、maxResultStreams。

搜索词支持完整的 YouTube 搜索筛选条件 — 排序方式、日期筛选、时长筛选、视频类型筛选和功能特性（HD、字幕/CC、知识共享、3D、直播、已购买、4K、360°、位置、HDR、VR180）— 全部编码到搜索的 sp 参数中。频道额外支持 publishedAfter（日期）和频道排序方式。

可选附加功能（每个视频）：字幕 / 转录文本（downloadSubtitles，支持 subtitleFormat srt/vtt/plaintext/json 和 preferAutoGeneratedSubtitles）和评论（includeComments）。

可提取的字段

视频：标题、ID、URL、缩略图、播放量、发布日期、点赞数、时长、评论数
频道：名称、URL、订阅者数
描述文本 + 链接、变现状态、评论关闭状态、位置
字幕可用性 + 下载的转录文本（分段 + 纯文本）
顶级评论（文本、点赞数、回复数、作者、日期）

支持的输出格式

JSON、CSV。

结果示例

json

[
  {
    "title": "I Built 100 Wells In Africa",
    "id": "0e3GPea1Tyg",
    "url": "https://www.youtube.com/watch?v=0e3GPea1Tyg",
    "type": "video",
    "sourceType": "channel",
    "input": "https://www.youtube.com/@MrBeast",
    "thumbnailUrl": "https://i.ytimg.com/vi/0e3GPea1Tyg/maxresdefault.jpg",
    "viewCount": "182,418,030 views",
    "date": "Nov 26, 2022",
    "likes": "4.2M",
    "commentsCount": "120K",
    "duration": "0:08:01",
    "channelName": "MrBeast",
    "channelUrl": "https://www.youtube.com/@MrBeast",
    "numberOfSubscribers": "320M subscribers",
    "text": "We built 100 wells in Africa to provide clean water ...",
    "descriptionLinks": ["https://www.beastphilanthropy.org/"],
    "subtitles": true,
    "subtitleLanguage": "en",
    "subtitlesText": "Today we're building 100 wells across Africa ...",
    "transcript": [
      {"start": 0.12, "dur": 3.44, "text": "Today we're building 100 wells"}
    ],
    "comments": [
      {"comment_id": "Ug...", "text": "This is amazing", "likes": "12K", "replies": "30", "author": "@viewer", "authorChannel": "https://www.youtube.com/@viewer", "date": "1 year ago"}
    ],
    "isMonetized": true,
    "commentsTurnedOff": false,
    "location": null,
    "error": null,
    "error_code": null,
    "warning": null,
    "warning_code": null,
    "success": true
  }
]

字段字典

字段	类型	说明
title	string	视频标题
id	string	YouTube 视频 ID
url	string	标准观看 URL
type	string	项目类型：video、short 或 stream
sourceType	string	视频发现方式：video、search、channel、playlist
input	string	产生此视频的原始输入（URL 或关键词）
thumbnailUrl	string	最高分辨率缩略图 URL
viewCount	string	播放量文本
date	string	发布日期或相对发布时间
likes	string	点赞数文本
commentsCount	string	评论数
duration	string	视频时长（H:MM:SS）
channelName	string	频道名称
channelUrl	string	频道 URL
numberOfSubscribers	string	频道订阅者数文本
text	string	视频描述文本
descriptionLinks	array	从描述中提取的链接
subtitles	boolean	是否有字幕 / CC
subtitleLanguage	string	下载的字幕轨道语言代码
subtitlesText	string	完整字幕转录文本，格式由 `subtitleFormat` 指定（srt/vtt/plaintext/json）
transcript	array	字幕分段 `[{start, dur, text}]`
comments	array	顶级评论 `[{comment_id, text, likes, replies, author, authorChannel, date}]`
isMonetized	boolean	视频是否显示已变现
commentsTurnedOff	boolean	评论是否已关闭
liveStatus	string	直播状态：is_live / is_upcoming / was_live / not_live
availableQualities	array	可用视频画质，如 `["2160p","1080p","720p"]`（来自播放器响应）
location	string	录制位置（Apify 风格；无则为 null）
error	string	错误信息（成功时为 null）
error_code	string	错误代码（成功时为 null）
warning	string	非阻塞警告信息
warning_code	string	非阻塞警告代码
success	boolean	此记录是否成功抓取

输入参数

参数	类型	必填	默认值	说明
startURLs	array	否	`@MrBeast`，一个观看 URL	直接的视频 / 频道 / 播放列表 / 搜索 / shorts URL（搜索筛选不适用于此）
searchKeywords	array	否	`python tutorial`	要搜索的关键词；每个解析为匹配结果
maxResults	integer	否	10	每个搜索词 / 频道的最大普通视频数（0 = 跳过视频）
maxResultsShorts	integer	否	0	每个搜索词 / 频道的最大 Shorts 数（0 = 跳过）
maxResultStreams	integer	否	0	每个搜索词 / 频道的最大直播数（0 = 跳过）
sortBy	string	否	relevance	搜索排序：relevance / date / views / rating
dateFilter	string	否	any	上传日期：any / hour / today / week / month / year
lengthFilter	string	否	any	时长：any / short（<4分钟）/ medium（4–20分钟）/ long（>20分钟）
videoTypeFilter	string	否	any	搜索类型标签：any / video / channel / playlist / movie
features	array	否	`[]`	搜索功能：hd、subtitles、creativeCommons、3d、live、purchased、4k、360、location、hdr、vr180
downloadSubtitles	boolean	否	false	获取每个视频的字幕 / 转录文本
subtitleLanguages	array	否	`[]`	首选字幕语言代码（如 en、es）
preferAutoGeneratedSubtitles	boolean	否	false	优先使用自动生成（ASR）轨道而非手动字幕
subtitleFormat	string	否	srt	`subtitlesText` 格式：srt / vtt / plaintext / json
publishedAfter	string	否	`""`	仅频道：保留 YYYY-MM-DD 当天或之后发布的视频
channelSortBy	string	否	latest	频道视频排序：latest / popular / oldest
includeComments	boolean	否	false	获取顶级评论（额外功能，超出 Apify 基础 actor）
maxComments	integer	否	20	每个视频的最大顶级评论数
maxConcurrency	integer	否	8	并行丰富化的视频数（如果代理支持大量并发连接则提高；遇到空响应时降低）
perVideoTimeoutSecs	integer	否	30	如果丰富化超过此秒数则放弃视频（0 = 无限制）；记录为 504

至少需要提供 startURLs 或 searchKeywords 之一。

代理

需要 PROXY_AUTH（username:password）和 PROXY_DOMAIN（host:port）环境变量；请求代理构建为 socks5://{PROXY_AUTH}@{PROXY_DOMAIN}。

区域设置一致性（反检测）： 爬虫发送由 GEO 环境变量（US/GB/DE/FR/JP/BR/IN，默认 US）选择的自洽区域设置（accept-language + PREF 时区 + hl/gl）；ACCEPT_LANGUAGE 可覆盖语言。使用多国轮换代理时，将出口固定为与 GEO 相同的国家（大多数轮换代理在代理用户名中接受 country-XX 令牌）— 固定区域设置配合随机国家 IP（时区/语言 ≠ IP 国家）是强烈的机器人信号。InnerTube API 调用（youtubei/v1/*）使用真实的 fetch/XHR 头配置（accept: */*、origin、x-youtube-client-*、JSON content-type）而非页面导航配置，且请求身份（TLS + UA + client-hints）在每个进程中保持一致。发送 CONSENT cookie 以跳过 EU 同意墙。

注意事项

此爬虫复用了仓库已验证的 InnerTube fetch + 视频详情 / 评论解析器。列表解析路径是新的，并已针对实时 YouTube 数据验证：搜索 → 视频、频道 → 视频、播放列表 → 视频均正确提取。YouTube 会定期迁移其 videoRenderer / lockupViewModel 结构，因此长时间间隔后首次运行时需重新检查。

按类型上限和筛选： maxResults / maxResultsShorts / maxResultStreams 独立计数并按每个搜索词和每个频道应用。搜索筛选（排序 / 日期 / 时长 / 类型 / 功能）仅适用于搜索词 — 它们编码到搜索 sp protobuf 中 — 对直接 URL 忽略。

频道日期范围： publishedAfter 使用混合策略按发布日期筛选频道视频 — 分页时使用低成本的相对时间提前停止，加上从每个视频详情中获取的精确 ISO 日期筛选。channelSortBy=latest 是精确的；popular / oldest 通过排序标签尽力而为，当 YouTube 未暴露时回退到 latest。

不支持： Apify 的"保存字幕到键值存储" — 此平台没有键值存储，因此字幕仅作为 subtitlesText / transcript 字段返回。

运行模型： 作为单个任务运行（无按 URL 子任务拆分），与 Apify 匹配 — 所有搜索词和所有直接 URL 在一次运行中处理，并发在内部处理。

性能： 输入（搜索词 / 频道 / URL）并行解析，视频在流水线上丰富化 — 丰富化在找到首批目标后立即开始，与正在进行的解析重叠。丰富化同时运行 maxConcurrency 个视频（默认 8）。每个视频会派发多个子请求（观看页、字幕、评论），因此非常高的并发可能使单个代理端点饱和并触发空响应，无论轮换 IP 池多大 — 仅在代理支持大量并发连接时提高 maxConcurrency，遇到空响应 / 404 时降低。perVideoTimeoutSecs（默认 30）仅限制可选附加功能（字幕 / 评论）：如果超出预算，它们留空，视频记录仍会输出完整详情 — 卡住的附加功能不会丢弃视频。视频的字幕和评论并发运行，且都复用已为详情获取的观看页（无重复页面获取）。

字幕 / 转录文本： 字幕可用性和语言（subtitles、subtitleLanguage）可靠检测。对于转录文本正文，爬虫使用 yt-dlp 风格的级联：(1) 观看页的 /api/timedtext 轨道（json3 → xml）；YouTube 越来越多地在 PO / BotGuard 令牌后设限并返回空正文，因此未命中时 (2) 通过多个移动 / 嵌入 / TV InnerTube 客户端重新获取播放器响应（ANDROID_VR → TVHTML5 → IOS → MWEB → WEB_EMBEDDED_PLAYER → ANDROID），其字幕 baseUrl 通常不受 PO 限制（每个客户端独立受限，因此尝试更多可提高命中未受限轨道的几率；第一个产生文本的获胜）— 这就是 yt-dlp 如何在没有浏览器的情况下恢复字幕，并为大多数受限视频带回转录文本；最后 (3) InnerTube get_transcript 端点。每一步都是通过 curl_cffi 的纯 InnerTube — 无浏览器、无 JS 运行时、无 PO-token 提供者。如果所有步骤都未命中，subtitlesText / transcript 返回空，爬虫优雅降级。少数在所有客户端都受限的视频仍需要 PO-token 提供者或浏览器引擎（如 Camoufox），这仍超出此版本范围。客户端常量镜像 yt-dlp master，如果 YouTube 轮换客户端版本可能需要刷新。