用 Python 抓取 YouTube：4 种真正可行的方法

如果你曾经试过 requests.get("https://www.youtube.com/...")，再用 BeautifulSoup 去解析视频标题，那你大概率已经体会过那种“打开一看全是空的 <div>，结果一个有用数据都没有”的无奈。

这几乎是开发者第一次尝试抓取 YouTube 时最常遇到的挫败感。YouTube 是一个单页应用（SPA）——几乎所有内容都通过 JavaScript 在客户端渲染。你的 Python 脚本拿到的 HTML 只是一个外壳，真正的视频标题、播放量和其他元数据，其实都藏在一个叫 ytInitialData 的巨大 JSON 里，页面加载后由 JS 注入进去。

所以，你那句看起来很合理的 soup.find("div", class_="ytd-video-renderer") 最终返回 None，并不是你写错了，而是因为这个元素在原始 HTTP 响应里根本不存在。一旦我搞清楚这一点，整个问题就豁然开朗了——下面这 4 种方法，都是我经过大量测试、踩坑、修复报错、翻看 GitHub issue 之后总结出来的。我会逐个讲清楚它们的适用场景，告诉你什么时候该用哪一种，最后还会给你一个无需写代码的捷径，适合只想拿到数据、不想搭环境的人。

为什么要用 Python 抓取 YouTube？

YouTube 不只是一个视频平台，它还是一个拥有 的数据源。平台上有 ，而且每分钟还在新增 的内容。对企业、研究人员和创作者来说，这些公开可见的信息都非常值得程序化分析。

问题在于，YouTube 自带的数据分析功能只能看到你自己频道的数据。如果你想研究竞品的更新频率、追踪某个细分领域的热门话题，或者分析别人的评论区情绪，就必须借助抓取。

我见过最常见的实际应用场景包括：

比如，一项关于 DJI、GoPro 和 Insta360 的竞品分析发现， ——这种洞察在 YouTube Studio 里是看不到的。

为什么单靠 requests + BeautifulSoup 抓不到 YouTube

在讲能用的方法之前，你得先明白为什么最直观的方案会失败。这不是纯理论问题，而是能帮你省下好几个小时的排错时间。

“看起来最简单”的思路大概是这样：

1import requests
2from bs4 import BeautifulSoup
3response = requests.get("https://www.youtube.com/@somechannel/videos")
4soup = BeautifulSoup(response.text, "html.parser")
5videos = soup.find_all("a", id="video-title-link")
6print(len(videos))  # 永远是 0

结果总是 0。正如 所说：“页面是动态加载的，而 requests 库不支持这种方式。” 说得更直接：“只靠 requests 和 BeautifulSoup，你无法执行 JavaScript。”

解释了背后的机制：YouTube 是单页应用（SPA）。当你发起普通 HTTP 请求时，只会拿到最初的 HTML 外壳，真正内容还没渲染。视频数据被藏在浏览器本来会执行的 JavaScript 对象里，然后再注入 DOM。

好消息是：YouTube 确实把你需要的所有数据都放进了原始 HTML，只不过不是 DOM 元素，而是藏在 <script> 标签里的两个 JSON 块中：

• ytInitialData —— 页面结构、视频列表、互动指标、评论续加载 token
• ytInitialPlayerResponse —— 核心视频元数据（标题、描述、时长、格式、字幕）

只要你知道怎么提取和解析，这两者都可以直接通过一次 requests.get() 拿到，不需要浏览器。这就是下面的第 1 种方法。

用 Python 抓取 YouTube 的 4 种方式：横向对比

在深入每种方法前，先看决策表。我测试过这 4 种方案，并按真实项目里最关键的标准做了比较。

快速总结：

你到底能从 YouTube 提取哪些数据？用哪种方法？

这是一张我刚开始做这类项目时最希望有人提前给我的参考表。没有任何一种方法能覆盖所有字段——这也是为什么这篇文章要讲 4 种方案。

具体选哪种方法，取决于你最需要表里的哪些字段。如果你需要评论和转录稿，yt-dlp 明显更强；如果你要的是结构化统计数据，且规模中等，API 是更稳妥的选择；如果你只想两分钟内拿到结果，继续往下看 Thunderbit 那一节。

方法 1：用 requests + BeautifulSoup 抓取 YouTube（解析 ytInitialData）

这个方法利用了 YouTube 会把页面数据以 JSON 形式嵌在原始 HTML 里的特点。你不需要浏览器，只需要知道去哪找。

• 难度： 入门
• 耗时： 约 15 分钟
• 需要： Python 3.10+、requests、beautifulsoup4

第 1 步：向 YouTube 页面发送 GET 请求

请带上一个真实一点的 User-Agent 请求头。默认的 python-requests/2.x 很容易被直接拦下—— 也证实，这通常是新手最容易踩的坑。

1import requests
2HEADERS = {
3    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
4                  "AppleWebKit/537.36 (KHTML, like Gecko) "
5                  "Chrome/114.0.0.0 Safari/537.36",
6    "Accept-Language": "en-US,en;q=0.9",
7    "Cookie": "CONSENT=YES+cb",  # 绕过欧盟同意弹窗
8}
9url = "https://www.youtube.com/@mkbhd/videos"
10response = requests.get(url, headers=HEADERS)
11print(response.status_code)  # 应该是 200

CONSENT cookie 很关键——没有它，来自欧盟地区的请求通常会被重定向到 consent.youtube.com，而那里返回的 HTML 里根本没有 ytInitialData。

第 2 步：解析 HTML，定位 ytInitialData 脚本

可以用 BeautifulSoup 或正则表达式找到包含 var ytInitialData = 的 <script> 标签：

1import re
2import json
3# 提取 ytInitialData JSON
4match = re.search(
5    r"var ytInitialData\s*=\s*({.*?});</script>",
6    response.text,
7    re.DOTALL
8)
9if match:
10    data = json.loads(match.group(1))
11    print("ytInitialData 提取成功")
12else:
13    print("未找到 ytInitialData —— 请检查请求头 / cookie")

一个常见错误是用非贪婪的 .*?，然后只把 }; 当作结束符。因为 JSON 内部会频繁出现嵌套对象结束符，这样很容易提前截断。像 那样，最好用 };</script> 作为结束标记——这通常就是它所在脚本块里的最后一个赋值语句。

第 3 步：遍历 JSON 结构，提取视频数据

这个 JSON 层级很深。与其写死路径、等 YouTube 一改结构就全崩，不如用递归方式搜索 key（这类变动其实很常见—— 记录了 2023 年以来多次格式变更）：

1def search_dict(partial, search_key):
2    stack = [partial]
3    while stack:
4        cur = stack.pop()
5        if isinstance(cur, dict):
6            for k, v in cur.items():
7                if k == search_key:
8                    yield v
9                else:
10                    stack.append(v)
11        elif isinstance(cur, list):
12            stack.extend(cur)
13# 从频道页面提取视频信息
14videos = []
15for vr in search_dict(data, "videoRenderer"):
16    videos.append({
17        "video_id": vr.get("videoId"),
18        "title": vr["title"]["runs"][0]["text"],
19        "views": vr.get("viewCountText", {}).get("simpleText", "N/A"),
20        "published": vr.get("publishedTimeText", {}).get("simpleText", "N/A"),
21    })
22print(f"找到 {len(videos)} 个视频")
23for v in videos[:5]:
24    print(f"  {v['title']} — {v['views']}")

这种递归搜索方式，也是 、yt-dlp 和 Scrapfly 最后都采用的思路——因为它能扛住 YouTube 频繁的 JSON 结构调整。

第 4 步：把抓到的数据导出到 CSV 或 Excel

1import csv
2with open("youtube_videos.csv", "w", newline="", encoding="utf-8") as f:
3    writer = csv.DictWriter(f, fieldnames=["video_id", "title", "views", "published"])
4    writer.writeheader()
5    writer.writerows(videos)
6print("数据已导出到 youtube_videos.csv")

什么时候适合用这种方法，什么时候不适合

适合： 快速从少量频道页或视频页提取元数据；轻量级 SEO 工具；只需要标题、播放量、上传日期的一次性分析。

局限： JSON 结构会变——已知的改动包括点赞按钮重构（2023：toggleButtonRenderer → segmentedLikeDislikeButtonViewModel）、描述重构（2023：description.runs[] → attributedDescription.content）、频道 Videos 标签页重设计（2022–2023：gridRenderer → richGridRenderer）。数据中心 IP 通常在 50–200 次请求后就会被软封。无法拿到评论，也没有转录稿。

方法 2：用 Selenium 或 Playwright 抓取 YouTube

当你需要和页面交互——比如滚动搜索结果、点击标签页、展开描述——浏览器自动化就是更合适的方案。

• 难度： 中级
• 耗时： 约 30 分钟
• 需要： Python 3.10+、Playwright（pip install playwright && playwright install）或 Selenium + ChromeDriver

新项目我更推荐 Playwright，而不是 Selenium。 显示，Playwright 在单次操作速度上大约快 ；而 Selenium 通过 WebDriver-over-HTTP 工作，每条命令都多一层转换。

第 1 步：安装 Playwright

1pip install playwright
2playwright install chromium

1from playwright.sync_api import sync_playwright
2pw = sync_playwright().start()
3browser = pw.chromium.launch(headless=False)  # 显示浏览器窗口更不容易被识别
4context = browser.new_context()
5# 预置 consent cookie，绕过欧盟提示页
6context.add_cookies([{
7    "name": "SOCS",
8    "value": "CAISNQgDEitib3FfaWRlbnRpdHlmcm9udGVuZHVpc2VydmVyXzIwMjMwODI5LjA3X3AxGgJlbiACGgYIgJnPpwY",
9    "domain": ".youtube.com",
10    "path": "/",
11}])
12page = context.new_page()

第 2 步：打开 YouTube 页面并等待内容加载完成

1page.goto("https://www.youtube.com/@mkbhd/videos")
2page.wait_for_selector("a#video-title-link", timeout=15000)
3print("页面已加载 —— 视频元素已出现")

如果你抓的是搜索结果页，把 URL 换成 https://www.youtube.com/results?search_query=你的关键词 即可。

第 3 步：处理无限滚动，加载更多视频

YouTube 的频道页和搜索结果页都使用无限滚动。下面是经典的 scrollHeight 循环，改编自 ：

1prev_height = -1
2max_scrolls = 20  # 记得设置上限，不然 1 万条视频的频道会一直滚
3scroll_count = 0
4while scroll_count < max_scrolls:
5    page.evaluate("window.scrollTo(0, document.body.scrollHeight)")
6    page.wait_for_timeout(1500)  # 等待新内容加载
7    new_height = page.evaluate("document.body.scrollHeight")
8    if new_height == prev_height:
9        break  # 没有新内容加载出来
10    prev_height = new_height
11    scroll_count += 1
12print(f"已滚动 {scroll_count} 次")

第 4 步：从渲染后的页面提取视频数据

1video_elements = page.query_selector_all("a#video-title-link")
2videos = []
3for el in video_elements:
4    title = el.inner_text()
5    href = el.get_attribute("href")
6    video_id = href.split("v=")[-1] if href else None
7    videos.append({"title": title, "video_id": video_id, "url": f"https://www.youtube.com{href}"})
8print(f"提取到 {len(videos)} 个视频")

如果你还想拿播放量和上传日期，就需要继续抓取相邻元素。 提醒过，id="video-title-link" 并不是所有页面都通用——YouTube 的页面版本很多。更稳妥的兜底选择是 a[href*="watch"]。

第 5 步：导出到 CSV 或 Google Sheets

1import csv
2with open("youtube_playwright.csv", "w", newline="", encoding="utf-8") as f:
3    writer = csv.DictWriter(f, fieldnames=["title", "video_id", "url"])
4    writer.writeheader()
5    writer.writerows(videos)
6browser.close()
7pw.stop()

什么时候适合用这种方法，什么时候不适合

适合： 抓搜索结果、交互式动态页面（点击标签、展开描述）、任何需要完整 DOM 的场景。

局限： 速度慢（按“滚动 + 提取”的流程，每条视频大约要 1.5–3 秒）。反爬识别风险高——原生 Selenium 会设置 navigator.webdriver === true，这类信号会被 。资源消耗大（每个浏览器实例大约占用 200–500 MB 内存）。如果要抓 100 个视频，耗时通常是 3–8 分钟，而用 yt-dlp 可能只要几秒。

方法 3：用 yt-dlp 抓取 YouTube

yt-dlp 可以说是 YouTube 抓取界的瑞士军刀。它是 youtube-dl 的社区分支，拥有 ，持续 nightly 更新，内置支持元数据、评论、转录稿和批量抓取，而且不需要浏览器或 API Key。

• 难度： 入门到中级
• 耗时： 约 10 分钟
• 需要： Python 3.10+、pip install yt-dlp

第 1 步：安装 yt-dlp

1pip install yt-dlp

不需要浏览器驱动，不需要 API Key，也不需要配置文件。

第 2 步：不下载视频，只提取元数据

1import yt_dlp
2opts = {
3    "quiet": True,
4    "skip_download": True,      # 不下载视频，只要元数据
5    "no_warnings": True,
6}
7with yt_dlp.YoutubeDL(opts) as ydl:
8    info = ydl.extract_info(
9        "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
10        download=False
11    )
12print(f"标题: {info['title']}")
13print(f"播放量: {info['view_count']:,}")
14print(f"点赞: {info.get('like_count', 'N/A')}")
15print(f"时长: {info['duration']} 秒")
16print(f"上传日期: {info['upload_date']}")
17print(f"频道: {info['channel']}（{info.get('channel_follower_count', 'N/A')} 订阅）")
18print(f"标签: {info.get('tags', [])[:5]}")

一次 extract_info 调用通常会返回 80–120 个字段，具体取决于视频状态：id、title、channel、channel_id、channel_follower_count、view_count、like_count、comment_count、upload_date、duration、tags、categories、description、thumbnails、is_live、availability、automatic_captions、subtitles、chapters、heatmap 等等。

第 3 步：提取 YouTube 视频评论

1opts = {
2    "quiet": True,
3    "skip_download": True,
4    "getcomments": True,
5    "extractor_args": {
6        "youtube": {
7            "max_comments": ["200", "50", "50", "10"],  # 总数、父评论、每条回复数、回复总数
8            "comment_sort": ["top"],
9        }
10    },
11}
12with yt_dlp.YoutubeDL(opts) as ydl:
13    info = ydl.extract_info(
14        "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
15        download=False
16    )
17comments = info.get("comments", [])
18print(f"抓到 {len(comments)} 条评论")
19for c in comments[:3]:
20    print(f"  [{c.get('like_count', 0)} 赞] {c['author']}: {c['text'][:80]}...")

评论抓取速度并不快。 提到评论抓取只有大约 30 KB/s——一条有 10 万评论的视频，抓完可能要几个小时。 还记录过一种情况：在评论分页还没结束前，格式 URL 就过期了（大约 6 小时）。如果视频评论很多，max_comments 一定要设置得更激进些。

第 4 步：提取转录稿和字幕

YouTube Data API 和 BS4 解析都拿不到完整转录稿，这正是 yt-dlp 的独特优势。

1opts = {
2    "quiet": True,
3    "skip_download": True,
4    "writesubtitles": True,
5    "writeautomaticsub": True,
6    "subtitleslangs": ["en", "en-orig"],
7    "subtitlesformat": "json3",   # 适合机器解析：包含毫秒级 start/dur 和文本
8    "outtmpl": "%(id)s.%(ext)s",
9}
10with yt_dlp.YoutubeDL(opts) as ydl:
11    info = ydl.extract_info(
12        "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
13        download=False
14    )
15# 直接从 info 字典读取字幕数据
16auto_captions = info.get("automatic_captions", {})
17manual_subs = info.get("subtitles", {})
18print(f"自动字幕语言: {list(auto_captions.keys())[:10]}")
19print(f"手动字幕语言: {list(manual_subs.keys())}")

json3 格式更适合机器解析——每个片段都有 start / dur 毫秒时间和文本内容。语言代码采用 BCP-47 规范（如 en、en-US、zh-Hans、ja、es）。

第 5 步：批量抓取多个视频或整个频道

1opts = {
2    "quiet": True,
3    "skip_download": True,
4    "extract_flat": "in_playlist",  # 快速模式：只取视频 ID 和标题
5    "sleep_interval": 2,
6    "max_sleep_interval": 6,
7}
8with yt_dlp.YoutubeDL(opts) as ydl:
9    info = ydl.extract_info(
10        "https://www.youtube.com/@mkbhd/videos",
11        download=False
12    )
13entries = info.get("entries", [])
14print(f"频道里找到 {len(entries)} 个视频")
15for e in entries[:5]:
16    print(f"  {e.get('title', 'N/A')} — {e.get('id')}")

不管你传的是频道 URL、播放列表 URL，甚至是搜索语句（例如 ytsearch10:python scraping），yt-dlp 都能在内部帮你处理分页。

什么时候适合用这种方法，什么时候不适合

适合： 批量提取元数据、评论、转录稿、下载视频、抓整个频道且需要完整字段集。

局限： 不太适合抓搜索结果页（这类场景 Selenium/Playwright 更合适）。2024–2026 的反爬攻防让 yt-dlp 在规模化运行时更复杂了——YouTube 现在对某些客户端强制执行 。如果用于生产环境，建议安装 插件，并配合 --cookies-from-browser chrome 使用（最好用一个临时账号——yt-dlp 团队提醒，真实 Google 账号的 cookies 可能导致账号被封）。

方法 4：用 YouTube Data API 抓取 YouTube

官方的 YouTube Data API v3 是获取 YouTube 数据最稳定、最结构化的方式。返回的是干净的 JSON，字段文档齐全，而且没有反爬博弈。但很多教程都会忽略一个关键问题：配额机制。

• 难度： 中级
• 耗时： 约 20 分钟（包含 API Key 设置）
• 需要： Python 3.10+、Google Cloud 项目、pip install google-api-python-client

第 1 步：获取 YouTube Data API Key

1. 打开
2. 新建项目，或者选择已有项目
3. 进入 APIs & Services → Library，搜索 “YouTube Data API v3”，然后点击 Enable
4. 进入 APIs & Services → Credentials，点击 Create Credentials → API Key
5. 复制这个 Key，后面代码里会用到

第 2 步：发起第一次 API 调用

1from googleapiclient.discovery import build
2API_KEY = "YOUR_API_KEY_HERE"
3youtube = build("youtube", "v3", developerKey=API_KEY)
4# 获取某个视频的详细信息
5response = youtube.videos().list(
6    part="snippet,statistics,contentDetails",
7    id="dQw4w9WgXcQ"
8).execute()
9video = response["items"][0]
10print(f"标题: {video['snippet']['title']}")
11print(f"播放量: {video['statistics']['viewCount']}")
12print(f"点赞: {video['statistics'].get('likeCount', '隐藏')}")
13print(f"评论: {video['statistics'].get('commentCount', '已关闭')}")
14print(f"时长: {video['contentDetails']['duration']}")
15print(f"标签: {video['snippet'].get('tags', [])[:5]}")

返回结果干净、结构明确、字段也有文档说明，基本不需要做 JSON 考古。

第 3 步：提取视频详情、频道信息和评论

1# 搜索视频
2search_response = youtube.search().list(
3    part="snippet",
4    q="python web scraping tutorial",
5    type="video",
6    maxResults=10,
7    order="viewCount"
8).execute()
9for item in search_response["items"]:
10    print(f"  {item['snippet']['title']} — {item['id']['videoId']}")
11# 获取评论
12comments_response = youtube.commentThreads().list(
13    part="snippet",
14    videoId="dQw4w9WgXcQ",
15    maxResults=20,
16    order="relevance"
17).execute()
18for item in comments_response["items"]:
19    comment = item["snippet"]["topLevelComment"]["snippet"]
20    print(f"  [{comment['likeCount']} 赞] {comment['authorDisplayName']}: {comment['textDisplay'][:80]}")

YouTube API 配额现实情况（很多人不会告诉你）

这一部分最能区分“有用指南”和“复制粘贴教程”。默认配额是 ，按太平洋时间午夜重置。每个调用的消耗如下：

算一笔账。假设你想抓取 1,000 条搜索结果：

• 搜索调用： 1,000 条结果 ÷ 每页 50 条 = 20 次调用 × 100 units = 2,000 units（一天预算的 20%，一下子就没了）
• 这 1,000 条视频的详情： 1,000 个 ID ÷ 每批 50 个 = 20 次调用 × 1 unit = 20 units（很便宜，批量 videos.list 是救命稻草）
• 这 1,000 条视频的评论（假设每条只抓 1 页）：1,000 次调用 × 1 unit = 1,000 units

总计：一个不算大的抓取任务就要消耗大约 3,020 units。可如果这些视频的评论区很深（每条 50+ 页），剩下的 7,000 units 很快就会被耗光。一个有 50,000 条评论的视频，大概需要 500 页，也就是 500 units。你要是一天抓 20 个这种视频，配额就直接用完了。

需要完整的合规审核：隐私政策链接、服务条款链接、应用操作演示视频、以及配额计算说明。社区反馈显示，Google 一般 3–5 个工作日会有初步回复，但完整批准可能要几周甚至几个月，而且很多申请都会被拒，尤其是那种“我只是想拿更多数据做分析”的用途。

什么时候用 API： 中小规模、需要结构化且可靠的数据、评论和频道统计很重要、可以接受配额上限时。

什么时候更适合抓取： 大规模项目（每天 >10K 视频）、API 不暴露的字段（完整转录稿——captions.download 需要 OAuth 和视频拥有者权限），或者你需要每次查询超过 500 条搜索结果（即便 totalResults 说得再多，API 也硬性限制）。

无代码捷径：用 Thunderbit 抓 YouTube（无需 Python）

如果你是为了搭建数据管道，那就用上面 1–4 种方法。但如果你只是想在 2 分钟内拿到 YouTube 数据——比如营销人员要看竞品数据，或者开发者只是临时拉一份数据，不想搭项目环境——那还有更快的方式。

是我们专门为“写代码太重”的场景做的 AI 网页爬虫 Chrome 扩展，它可以直接在浏览器里的 YouTube 页面上工作。

3 步完成 YouTube 抓取

第 1 步： 安装 ，打开 YouTube 频道页、搜索结果页或视频页。

第 2 步： 在 Thunderbit 侧边栏点击 “AI 建议字段”。AI 会识别页面，并自动建议列名，比如视频标题、播放量、上传日期、时长、频道名和缩略图 URL。你可以按需增删或重命名列。

第 3 步： 点击 “抓取”，然后导出到 Google Sheets、Excel、CSV、Airtable 或 Notion。数据会以干净表格的形式直接呈现，拿来就能用。

适合谁

• 营销人员：需要竞品频道数据，但不会写代码
• 开发者：想快速拿一份数据，不想先搭虚拟环境和装依赖
• 任何被反爬墙拦住的人 —— Thunderbit 直接在用户自己登录的浏览器会话里抓取，会继承你的 cookies 和 PO tokens，这能绕开很多服务器端爬虫常见的拦截问题
• Thunderbit 还支持 ，可以继续访问每个视频页，并补充更多字段（点赞数、描述、标签等）

如果你想更深入了解 Thunderbit 在 YouTube 场景下的具体表现，可以看看 和 。

用 Python 抓 YouTube 时，如何避免被封

下面这些建议适用于所有 4 种 Python 方法。YouTube 的反爬机制在 ，主要依赖 3 类信号：IP 行为分析、JavaScript 执行要求，以及频繁变化的 HTML 结构。

适用于所有方法：

• 轮换 User-Agent，并且连同完整请求头一起轮换——Accept、Accept-Language、Sec-CH-UA 这些 client hints 都要和声明的 UA 保持一致。 有最新列表。
• 每次请求之间加入 2–8 秒的随机延迟。固定间隔本身就是一个识别信号。
• 只要不是抓少量页面，就尽量使用住宅代理。数据中心 IP（AWS、GCP、Hetzner）在 了。
• 会话和 IP 要一起轮换——YouTube 会把会话和 IP 绑定，同一个 session cookie 出现在两个 IP 上，会非常可疑。

针对 requests + BS4： 设置 CONSENT=YES+cb cookie。没有它，来自欧盟地区的请求会跳到同意页，那里没有任何数据。

针对 Selenium/Playwright： 在 Linux 服务器上用 xvfb 以有界面模式运行，不要直接用 --headless=new——无头 Chrome 仍会泄露足够多的指纹特征，供高级检测识别。可以考虑 ，它提供大约 17 种规避手段。

针对 yt-dlp： 使用 sleep_interval 和 max_sleep_interval 选项。安装 插件来生成 PO Token。再配合 --cookies-from-browser chrome，但最好用临时账号。

针对 API： 通过 监控配额使用情况，并尽量批量请求。一个包含 50 个逗号分隔 ID 的 videos.list 调用只消耗 1 unit——要充分利用。

针对 Thunderbit： 因为抓取是在你的浏览器会话里完成的，所以反爬措施会自动被处理。你本质上是在自动化你原本手动会做的操作。

用 Python 抓 YouTube 合法吗？

这要看你抓什么、怎么抓，以及你如何使用这些数据。

2024 年的法律环境发生了变化，Meta Platforms v. Bright Data（加州北区，2024 年 1 月）中， 。在这项裁决之后，抓取公开可访问的数据风险明显降低。另一方面，hiQ v. LinkedIn 最终以 告终，原因包括违反 ToS、CFAA 违规（使用假账号）以及侵害动产——还附带永久禁令。

YouTube 自己的 说得很明确：除非事先获得书面许可，或法律允许，否则“不得使用任何自动化方式（例如机器人、botnet 或爬虫）访问服务”。官方认可的数据访问方式就是 YouTube Data API。

几个实操上的原则：

• 抓取公开可见数据用于个人研究或非商业分析，通常风险相对更低
• API 是最稳妥的路径，因为它是明确授权的
• 不要抓取私有或登录受限内容，不要下载受版权保护的视频再二次分发，也不要因为评论中的个人信息而违反 GDPR
• YouTube 评论在 GDPR 第 4(1) 条下属于个人数据——处理欧盟数据主体信息时要格外小心
• 商业抓取项目请先咨询法律顾问

以上内容都不是法律建议。这个领域变化很快——一波新的 的案件，正因为这些公司抓取 YouTube 训练数据，而在 2025–2026 年持续重塑规则。

用 Python 抓 YouTube，应该选哪种方法？

决策建议如下：

• 只想从少量页面快速拿元数据？ → 方法 1（requests + BS4）。速度快、轻量，除了 requests 和 beautifulsoup4 基本没别的依赖。
• 需要抓搜索结果或操作动态页面？ → 方法 2（Selenium/Playwright）。可以完整渲染浏览器，支持无限滚动，但速度慢，也更容易被识别。
• 需要批量元数据、评论或转录稿？ → 方法 3（yt-dlp）。单工具能力最强，难怪有 。
• 需要中等规模下稳定、结构化的数据？ → 方法 4（YouTube Data API）。官方、干净，但受 限制。
• 想在 2 分钟内拿数据，不写代码？ → 。基于浏览器，AI 驱动，点几下就能导出到 Google Sheets。

没有一种方法能覆盖所有场景。建议把上面的对比表和可提取字段表收藏起来，它们会在你下一个项目里帮你省很多时间。如果你还想了解更多 ，Thunderbit 博客里还有很多指南，涵盖从 到 的各种内容。

常见问题

不用 API Key 也能抓 YouTube 吗？

可以。方法 1（requests + BS4）、方法 2（Selenium/Playwright）和方法 3（yt-dlp）都不需要 API Key。只有方法 4（YouTube Data API）需要。Thunderbit 也不需要任何 API Key——它直接在你的浏览器里抓取。

用 Python 抓 YouTube，最快的方法是什么？

如果只看 Python，yt-dlp 和 requests + BS4 速度最快——它们都不需要浏览器开销，基本可以按“每个视频几秒”拿到元数据。yt-dlp 尤其适合批量任务，因为它会在内部处理分页。对于不用 Python 的人来说，Thunderbit 是整体最快的，因为完全不用搭环境。

如何用 Python 抓 YouTube 评论？

yt-dlp 自带评论提取，使用 getcomments 选项是最简单的方式。YouTube Data API 也支持评论，通过 commentThreads.list 即可获取（每次 1 个配额单位，每页最多 100 条评论）。Selenium/Playwright 当然也能做，但需要滚动并抓取渲染后的评论元素，速度慢，而且很脆弱。

可以用 Python 抓 YouTube Shorts 吗？

可以。yt-dlp 对 Shorts 元数据支持很好——它会把 Shorts 当作普通视频处理，只是额外带有一些 Shorts 专属字段。YouTube Data API 也有部分支持（Shorts 的播放量统计在 有过变化——现在只要发生播放开始或重播都会计入）。BS4 和 Selenium/Playwright 对 Shorts 的支持相对有限，因为 Shorts 区块使用了不同的 DOM 结构。

一天能抓多少个 YouTube 视频？

如果用 YouTube Data API，你的上限大约是每天 10,000 quota units。若使用批量 videos.list 调用（每次 1 unit，最多 50 个 ID），理论上最多可以查 500,000 次视频统计信息；但 search.list 每次 100 units，很快就把预算吃光。用抓取方案（BS4、Selenium、yt-dlp）时，限制不是硬编码的，而是实践上的：通常每个 IP 每天几百到几千次请求后就可能触发封禁，具体取决于代理配置和请求模式。Thunderbit 则采用与你 绑定的额度系统。

了解更多