想研究一个抖音博主的内容,怎么整理作品并选出值得细看的案例?
要整理抖音博主的作品,复制博主公开主页链接里 /user/ 后面的标识,作为 sec_user_id 传给 douyin.app.v3.fetch_user_post_videos 查作品列表。按返回的游标翻页,保存每一页原始响应,再用 export_creator_posts.py 导出 posts.csv;需要 Excel 时,用 posts_to_xlsx.py 把同一批材料转成 XLSX。
例如要整理一位家居博主上个月的收纳视频,先保留文案、发布时间、计数和作品 ID,再筛出真正展示安装过程的作品。交接时一并写明实际查到的日期、页数和停止原因。
先决定要看什么,再定取多少页
先取一页,看作品是否真的与研究问题相关,再批准后续页数和成本。count 是单次请求上限,可能出现短页和重复;不要用 20×页数宣称取得了这么多不同作品。
拿到表格,哪些案例应该保留?
先读 coverage.json,确认成功页、去重后的作品数和停止原因,再看 posts.csv。人工在另存的审核工作表里给每个作品增加“保留/排除/待核、理由、希望研究的角度、下一步”;export_creator_posts.py 不做这些判断。
例如,假设一篇旧作品互动高,但与你的产品场景无关,可以排除;一篇近期教程互动一般,但讲清了关键步骤,可以保留。这个取舍不能证明旧作品差、教程会带来销售,也不能把较久作品的总数和新作品直接比成内容质量排名。
文案只说明描述里写了什么;播放地址、封面和时长不能证明有人看完了内容。aweme_type 保留原代码,不把所有对象都猜成普通视频。需要具体评论或单作品核查时,另选对应流程,并另定范围。
交付时让同事能回到原始证据
posts.csv 保留每个作品的首次观察,observations.jsonl 保留重复和后续变化,sources.json 和原文件帮助定位来源;同一 ID 的多次观察只算一个案例。缺失和 0 保持区别,发布时间和查询时间分开。
需要交付 Excel 时,用后面的本地转换器 posts_to_xlsx.py 保留长 ID。转换器把所有单元格存成文本,精确保留证据;要算数字,另建核对后的计算表,不把 ID 列转成数值。新导出不会继承你另外工作表里的编辑判断,保留旧审核副本,按作品 ID 核对。
最后附一段范围说明:哪个博主、为什么取样、实际页数和时间、哪些作品值得看、缺哪些数据,以及下一步要核实什么。没有覆盖的历史明确标出,不能把可见列表结束当成所有历史都已取回。
比如给同事交一张三月作品表:先用 coverage.json 看成功页和停止原因,再用 posts.csv 里实际取得的发布时间核对覆盖范围并筛出三月内容。如果只保存到三月中旬,就标「上半月待补」,把上次成功页和实际续页游标留给同事。合并后,用一条长 ID 抽查 Excel 是否保留了原值。
先复用列表,确有需要再查详情
已保存的作品页可以离线导出和重算,不再发起查询。作品列表已经返回播放等计数字段时直接保留,缺失仍留空;不为已返回的字段给每个作品额外买详情。只有新观察、补页或新问题需要更多证据时,才另外核对对应动作的合同和预算。
下面第 1–7 步是账号准备、分页、导出和 Excel 交付的完整操作。依据:已观察的列表合同和离线回归测试;没有采集示例账号。
1. 确定博主与页数预算
输入实际的 sec_user_id,不是数字 uid、昵称或视频 aweme_id。完整的 https://www.douyin.com/user/<sec_user_id> 主页链接里,/user/ 后的完整一段就是所需标识,复制时不带查询参数。短分享链接先打开到实际主页;不从短链 token 猜 ID,也不把整个 URL 当作 sec_user_id。
先取一页,确认账号和列。请求里的 count:20 是上限,短页或重复条目按实际记录计。计划 50 页就是最多 50 次列表请求,单价见 BeatAPI 价格页。已保存的页面可以离线重新导出。
作品列表把作品放在 data.aweme_list,计数放在 statistics,不是其他产品的统一对象;列表可以返回 play_count,缺失的播放数仍留空。不要为了列表已经返回的列,给每个作品再买一次详情。作品列表不能证明完播率、独立触达或投放归因。
2. 保存首页请求和响应
把下面的请求体保存为 request-1.json,替换成真实账号标识:
确认价格和范围后,只发送一次:
记录实际 HTTP 状态和带时区的查询时间;生成了 JSON 文件不代表请求成功。独立目录防止覆盖旧证据。这里要用完整的 Social Data 直接响应,不能用 AI 截断预览或字段投影代替。
3. 记录实际分页链
在页面目录旁保存 pages.json。下例展示格式;账号、HTTP 状态和时间都要换成真实值,并记录实际发送的参数,包括显式写出的默认值:
之后每批准一页,就为保存的响应追加一条记录,账号、count、排序和 channel 保持不变。sort_type: 0 是最新,1 是最热。normal 渠道看不到近期作品时,可以改用 channel: lite,但切换渠道要另开一条从 cursor=0 开始的链,不能混进旧链,也不要自动付费探测备用渠道。
4. 已存页面转表,不再次请求
把下面的脚本保存为 export_creator_posts.py,执行 python3 export_creator_posts.py pages.json creator-export-1。export_creator_posts.py 单次最多接受 200 份已存页面,不发起任何网络请求。脚本把 author.sec_uid 与目标账号核对,保留原字符串 aweme_id,验证游标链,已有输出目录不会被覆盖。
5. 根据报告决定是否继续
再请求下一页之前,先读 coverage.json,按其中的停止原因决定下一步:
saved_page_limit且有next-request.json:已存链末尾有可用的新游标。仅在批准的预算内,把next-request.json的完整 body 发送一次,另存响应目录,向pages.json追加实际记录,再导出到新的目录;旧页只在本地重读,不再付费。provider_end:has_more=0,当前返回的列表结束;provider_end不证明已删除或私密的历史已经取全。repeated_cursor、empty_page_with_more、missing_or_unsafe_cursor:停止,核对已存的请求和响应;不自增游标,不重播首页。request_failure:识别到带非空错误代码的网关失败。此前的有效观察照常导出,失败的原响应也保留,但不生成下一页请求建议。先处理错误,再另行确认是否重试。
成功响应结构损坏、作者不符、参数混用或游标链断裂时,脚本在创建导出目录前停止,原始已存文件仍可用于排查。200 页只是 export_creator_posts.py 的本地处理上限,不是 API 承诺,更不是查询 200 页的授权。
6. 核对后交付
posts.csv 按清单顺序保留每个 aweme_id 的首次观察;observations.jsonl 保存每个返回对象,包括后续的计数变化;sources.json 对应原文字节、SHA-256、原参数和查询时间。用覆盖计数区分跨页重复和不同作品。缺失计数留空,0 保留为 0,以公式符号开头的文案会做表格转义。
create_time_unix 是发布时间,collected_at 是记录的查询时间,两者不能互换。aweme_type 保留原代码,不把所有作品默认当成视频。原对象里的媒体链接可能过期;本流程不下载视频,不验证字幕,也不统计独立观看者。
分享前抽两行与原对象核对,确认作者,写明停止原因和不同作品数。一页只是样本,即使是 provider_end 也只代表可见的返回列表。调整表格展示时复用原文件,不用再付费。
7. 生成 Excel 工作簿,不让长作品 ID 被改写
直接双击 CSV,表格软件可能把长 ID 识别成数字或日期,所以把 posts.csv 留作源文件。需要真正的 .xlsx 时,用下面的离线标准库转换器 posts_to_xlsx.py,它把每个单元格都存成文本,包括 aweme_id、计数、时间和看起来像网址的内容。转换器精确保留 CSV 值,修复不了导出前就已四舍五入的 ID;转换器不创建公式、宏、可点击超链接,也不发网络请求。
将代码保存为 posts_to_xlsx.py,运行:
posts_to_xlsx.py 生成一个 Posts 工作表,冻结表头并提供筛选。最多接受 50,000 行数据、100 列、20 MiB 的源 CSV,这是离线安全边界,不是平台限制。只有有效表头的空导出会生成仅含表头的工作簿,不能据此声称采集成功;已有输出不会被覆盖。CSV 为防公式执行添加的单引号会原样保留,需要引用文案原句时,回到归档的原响应核对。
按三项验收工作簿:
- 把输出行数和
posts.csv对照。 - 抽查几个完整的
aweme_id和对应文案。 - 确认真实的 0 和空计数仍有区别。
工作簿有意把计数也存成文本,不要假设 SUM 会正确求和。确实需要运算时,在确认单位、缺失和安全数值范围后另建计算表,不要把证据 ID 列转成数字。工作簿与 posts.csv、observations.jsonl、sources.json、coverage.json 和原始分页目录一起保留;打印的 SHA-256 用来识别源 CSV,不证明数据真实性。
工作簿只是已核验的博主作品导出的可移交视图;评论、关键词搜索、趋势指数和达人报价各有单独的流程和预算。依据:本地合成回归测试覆盖了包结构和文本值;在 Excel 或 Numbers 里打开工作簿尚未验收。包结构依据 Microsoft SpreadsheetML 说明。
把作品目录变成账号内容复盘
先定一个材料能回答的问题,例如“最近教程的开头是否更清楚”。把目录按教程、促销、日常内容分别标注,再挑同口径指标齐全、作品年龄相近的样本,算出本轮同组的中位数。高于和低于中位数的作品各选一两条,回到实际作品,列出可观察的区别,比如开头有没有展示成品。作品少或字段缺失时,写出实际样本数。
对同一作品的变化可接作品快照,用确实取得的两个时点对照。账号历史涨粉、发布或私有投放归因需各自有来源。交给助手时,要求按主题、样本和已确认指标给出发现,并附原作品、可能解释和下一轮可尝试的改动。

