使用 Python 擷取 YouTube：4 種真正有效的方法

如果你曾經試過用 requests.get("https://www.youtube.com/...") 抓頁面，再用 BeautifulSoup 去找影片標題，你大概已經知道結果有多讓人崩潰：回傳一整片空空的 <div>，真正有用的資料幾乎是零。

這是我最常看到開發者第一次嘗試擷取 YouTube 時遇到的共同痛點。YouTube 本質上是一個單頁應用程式（SPA）——幾乎所有內容都透過 JavaScript 在前端動態渲染。你的 Python 腳本拿到的 HTML，只是一個外殼。真正的影片標題、觀看次數和其他中繼資料呢？它們其實藏在一大包叫做 ytInitialData 的 JSON 裡，等頁面載入後才由 JS 注入。

所以你原本很合理地寫下 soup.find("div", class_="ytd-video-renderer")，結果卻拿到 None，因為那個元素在原始 HTTP 回應裡根本不存在。一旦我搞懂這件事，整個問題就豁然開朗了——下面這 4 種方法，正是我經過大量測試、踩坑、修 bug，以及翻閱無數 GitHub issue 後整理出來的。我會帶你逐一了解每種做法，告訴你什麼情境該用哪一種，最後再補上一個免寫程式的捷徑，給那些只想快點拿到資料、不想處理環境設定的人。

為什麼要用 Python 擷取 YouTube？

YouTube 不只是影片平台，更是一個擁有 25.8 億每月活躍使用者 的資料來源。平台上累積了超過 51 億支影片，而且每分鐘還有 500 小時以上的內容上傳。對企業、研究人員和創作者來說，這些公開可見的資訊都很值得進一步分析。

問題在於，YouTube 內建的分析工具，只會顯示你自己頻道的數據。如果你想了解競爭對手的發片節奏、追蹤你所在領域的熱門話題，或分析別人影片留言中的觀眾情緒，就得靠擷取資料來做。

以下是我最常見到的實際應用場景：

應用場景	需要的人	會用到的資料
競品分析	行銷團隊、內容策略人員	觀看次數、上片頻率、互動率
開發潛在客戶	業務團隊、B2B 開發	頻道聯絡資訊、簡介中的商務 Email
市場研究	產品經理、分析師	熱門主題、留言中的觀眾情緒
內容策略	YouTuber、代理商	高表現內容形式、最佳標題／標籤模式
SEO／關鍵字研究	SEO 專家	影片標題、標籤、描述、排名訊號
品牌監測	公關團隊、品牌經理	影片標題、留言、描述中的品牌提及
學術研究	研究人員、資料科學家	用於 情緒分析 的留言資料集（有一篇 2025 年研究，針對 4.5 萬則 YouTube 留言微調 BERT，準確率達 93.1%）

舉例來說，DJI、GoPro 和 Insta360 的競品分析發現，DJI 的 YouTube 觸及量（3.9 億觀看次數）比另外兩家加起來還高——這類洞察在 YouTube Studio 裡面根本看不到。

為什麼只靠 requests + BeautifulSoup 無法擷取 YouTube

在介紹真正可行的方法之前，你得先理解為什麼最直覺的做法會失敗。這不是純理論，搞懂它可以幫你少掉好幾個小時的除錯時間。

那個「看起來很合理」的做法大概會像這樣：

import requests
from bs4 import BeautifulSoup

response = requests.get("https://www.youtube.com/@somechannel/videos")
soup = BeautifulSoup(response.text, "html.parser")
videos = soup.find_all("a", id="video-title-link")
print(len(videos))  # 永遠都是 0

結果永遠都是零。正如 ScrapeOps 的除錯指南 所說：「頁面是動態載入的，而 requests 套件不支援這種情況。」Teclado 的入門教學 說得更直接：「只用 requests 和 BeautifulSoup，你無法執行 JavaScript。」

Scrapfly 2026 年的 YouTube 拆解文章 解釋了背後機制：YouTube 是以 Single Page Application（SPA）打造的。當你只用基本 HTTP 請求時，拿到的只是初始 HTML 外殼，真正內容還沒渲染。影片資料其實藏在瀏覽器原本會執行並注入 DOM 的 JavaScript 物件裡。

好消息是：YouTube 確實把你需要的所有資料都塞在原始 HTML 中。只是它不是放在 DOM 元素，而是放在兩個 <script> 標籤裡的 JSON：

• ytInitialData：頁面結構、影片列表、互動指標、留言續接 token
• ytInitialPlayerResponse：核心影片中繼資料（標題、描述、長度、格式、字幕）

只要你懂得如何擷取與解析，這兩包資料都能透過一次 requests.get() 取到，不需要瀏覽器。這就是下面的第 1 種方法。

用 Python 擷取 YouTube 的 4 種方式：逐項比較

在深入每種方法之前，先看一下決策表。我把這 4 種方式都實測過，並針對實際專案選工具時最重要的幾個條件做了比較。

比較項目	requests + BS4（ytInitialData）	Selenium / Playwright	yt-dlp	YouTube Data API	免寫程式（Thunderbit）
設定複雜度	低	中	低	中（需要 API 金鑰）	不需要
是否支援 JS 渲染	部分支援（解析 JSON）	是	是	不適用（結構化 API）	是
速度	快	慢	快	快	快（雲端）
反機器人風險	中	高	低	無	已處理
配額／速率限制	無（但可能被 IP 擋）	無（但可能被偵測）	無	每天 10,000 units	依點數計算
留言擷取	困難	可行但複雜	內建	內建	視頁面而定
逐字稿	否	複雜	是	否	否
最適合	快速抓中繼資料	搜尋結果、動態頁面	大量中繼資料＋留言	大規模結構化資料	不會寫程式的人、快速匯出

快速總結：

你到底能從 YouTube 抓到哪些資料？又該用哪種方法？

這是我當初開始時最希望存在的一張參考表。沒有任何一種方法可以覆蓋所有欄位——這也正是這篇文章要介紹四種方法的原因。

資料欄位	BS4（ytInitialData）	Selenium/Playwright	yt-dlp	YouTube API	Thunderbit
影片標題	✅	✅	✅	✅	✅
觀看次數	✅	✅	✅	✅	✅
喜歡數	⚠️ 不穩定	✅	✅	✅	✅
留言（文字）	❌	⚠️ 複雜	✅	✅	⚠️
逐字稿／字幕	❌	⚠️	✅	❌	❌
標籤	✅	✅	✅	✅	⚠️
縮圖網址	✅	✅	✅	✅	✅
頻道訂閱數	⚠️	✅	✅	✅	✅
上傳日期	✅	✅	✅	✅	✅
影片長度	✅	✅	✅	✅	✅
Shorts 專屬資料	❌	⚠️	✅	⚠️	⚠️

請根據你最在意的欄位來選方法。如果你需要留言和逐字稿，yt-dlp 很明顯是首選。如果你要的是結構化統計、且規模中等，API 會是好選擇。如果你只想兩分鐘內拿到資料，就往下看 Thunderbit 那一段。

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

這個方法利用了 YouTube 會把所有頁面資料以 JSON 形式塞進原始 HTML 的特性。你不需要瀏覽器，只要知道去哪裡找就行。

• 難度： 初學者
• 所需時間： 約 15 分鐘
• 需要： Python 3.10+、requests、beautifulsoup4

步驟 1：向 YouTube 頁面發送 GET 請求

請記得加上像真的瀏覽器一樣的 User-Agent。預設的 python-requests/2.x 幾乎會立刻被擋掉——ScrapeOps 的 header 指南 也證實這是新手最常踩的大坑。

import requests

HEADERS = {
    "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
                  "AppleWebKit/537.36 (KHTML, like Gecko) "
                  "Chrome/114.0.0.0 Safari/537.36",
    "Accept-Language": "en-US,en;q=0.9",
    "Cookie": "CONSENT=YES+cb",  # 繞過歐盟同意提示
}

url = "https://www.youtube.com/@mkbhd/videos"
response = requests.get(url, headers=HEADERS)
print(response.status_code)  # 應該是 200

CONSENT cookie 非常關鍵——沒有它的話，來自歐盟地區的請求通常會被重新導向到 consent.youtube.com，而那個頁面裡根本沒有 ytInitialData。

步驟 2：解析 HTML 並定位 ytInitialData 腳本

可以用 BeautifulSoup 或正則表達式，找出包含 var ytInitialData = 的 <script> 標籤：

import re
import json

# 擷取 ytInitialData JSON
match = re.search(
    r"var ytInitialData\s*=\s*({.*?});</script>",
    response.text,
    re.DOTALL
)
if match:
    data = json.loads(match.group(1))
    print("ytInitialData 擷取成功")
else:
    print("找不到 ytInitialData，請檢查 headers / cookies")

一個常見錯誤是：用非貪婪的 .*?，然後只用 }; 當結尾。JSON 裡面常常有巢狀物件結束符號，這樣會太早截斷。像 Scrapfly 2026 年的爬蟲文章 那樣，應該用 };</script> 當作結尾，因為那才是該腳本區塊的最後一次賦值。

步驟 3：走訪 JSON 結構，擷取影片資料

YouTube 的 JSON 結構非常深。與其硬寫固定路徑、每次 YouTube 一改版就壞掉，不如用遞迴方式搜尋 key（這種情況其實很常發生——yt-dlp 的 issue tracker 就記錄了自 2023 年以來多次格式變動）：

def search_dict(partial, search_key):
    stack = [partial]
    while stack:
        cur = stack.pop()
        if isinstance(cur, dict):
            for k, v in cur.items():
                if k == search_key:
                    yield v
                else:
                    stack.append(v)
        elif isinstance(cur, list):
            stack.extend(cur)

# 從頻道頁面擷取影片資訊
videos = []
for vr in search_dict(data, "videoRenderer"):
    videos.append({
        "video_id": vr.get("videoId"),
        "title": vr["title"]["runs"][0]["text"],
        "views": vr.get("viewCountText", {}).get("simpleText", "N/A"),
        "published": vr.get("publishedTimeText", {}).get("simpleText", "N/A"),
    })

print(f"找到 {len(videos)} 支影片")
for v in videos[:5]:
    print(f"  {v['title']} — {v['views']}")

這種遞迴搜尋的做法，正是 scrapetube、yt-dlp 和 Scrapfly 最後都走向的方向——它能撐住 YouTube 頻繁的 JSON 結構變動。

步驟 4：把擷取到的資料匯出成 CSV 或 Excel

import csv

with open("youtube_videos.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["video_id", "title", "views", "published"])
    writer.writeheader()
    writer.writerows(videos)

print("資料已匯出到 youtube_videos.csv")

什麼時候適合用這個方法？什麼時候不適合？

適合： 從少數幾個頻道頁面或影片頁面快速抓中繼資料。輕量級 SEO 工具。只需要標題、觀看次數和上傳日期的一次性分析。

限制： JSON 結構會變，常見破壞包含：喜歡按鈕重構（2023：toggleButtonRenderer → segmentedLikeDislikeButtonViewModel）、描述欄重構（2023：description.runs[] → attributedDescription.content）、頻道 Videos 分頁改版（2022–2023：gridRenderer → richGridRenderer）。資料中心 IP 通常在 50–200 次請求後就會被軟封鎖。沒有留言，也沒有逐字稿。

方法 2：用 Selenium 或 Playwright 擷取 YouTube

當你需要操作頁面本身——例如在搜尋結果中滾動、點擊分頁、展開描述——瀏覽器自動化就是最適合的做法。

• 難度： 中階
• 所需時間： 約 30 分鐘
• 需要： Python 3.10+、Playwright（pip install playwright && playwright install）或 Selenium + ChromeDriver

我會建議新專案優先選 Playwright，而不是 Selenium。TestDino 2026 的基準測試 顯示，Playwright 每次操作大約 快 1.85 倍、記憶體少約 2.1 倍、並行能力約高 4 倍。Playwright 是透過 Chrome DevTools Protocol 維持持久 WebSocket；Selenium 則是走 WebDriver over HTTP，每個指令都要多一層轉譯。

步驟 1：設定 Playwright

pip install playwright
playwright install chromium

from playwright.sync_api import sync_playwright

pw = sync_playwright().start()
browser = pw.chromium.launch(headless=False)  # 顯示瀏覽器較不容易被偵測
context = browser.new_context()

# 預先加入同意 cookie，繞過歐盟提示
context.add_cookies([{
    "name": "SOCS",
    "value": "CAISNQgDEitib3FfaWRlbnRpdHlmcm9udGVuZHVpc2VydmVyXzIwMjMwODI5LjA3X3AxGgJlbiACGgYIgJnPpwY",
    "domain": ".youtube.com",
    "path": "/",
}])

page = context.new_page()

步驟 2：進入 YouTube 頁面並等待內容載入

page.goto("https://www.youtube.com/@mkbhd/videos")
page.wait_for_selector("a#video-title-link", timeout=15000)
print("頁面已載入，影片元素可見")

如果你要抓的是搜尋結果，請改成 https://www.youtube.com/results?search_query=你的+關鍵字。

步驟 3：處理無限捲動，載入更多影片

YouTube 在頻道頁面和搜尋結果頁都採用無限捲動。下面是經典的 scrollHeight 迴圈，改寫自 Scrapfly 的捲動指南：

prev_height = -1
max_scrolls = 20  # 要設上限，1 萬支影片的頻道會一直捲下去
scroll_count = 0

while scroll_count < max_scrolls:
    page.evaluate("window.scrollTo(0, document.body.scrollHeight)")
    page.wait_for_timeout(1500)  # 等待新內容載入
    new_height = page.evaluate("document.body.scrollHeight")
    if new_height == prev_height:
        break  # 沒有新內容載入
    prev_height = new_height
    scroll_count += 1

print(f"已捲動 {scroll_count} 次")

步驟 4：從已渲染頁面擷取影片資料

video_elements = page.query_selector_all("a#video-title-link")
videos = []

for el in video_elements:
    title = el.inner_text()
    href = el.get_attribute("href")
    video_id = href.split("v=")[-1] if href else None
    videos.append({"title": title, "video_id": video_id, "url": f"https://www.youtube.com{href}"})

print(f"已擷取 {len(videos)} 支影片")

至於觀看次數和上傳日期，還得抓相鄰元素。Crawlee 2025 的教學 也提醒，id="video-title-link" 並不是萬用寫法——YouTube 會推出多種頁面變體。比較穩的 fallback 是 a[href*="watch"]。

步驟 5：匯出成 CSV 或 Google Sheets

import csv

with open("youtube_playwright.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["title", "video_id", "url"])
    writer.writeheader()
    writer.writerows(videos)

browser.close()
pw.stop()

什麼時候適合用這個方法？什麼時候不適合？

適合： 擷取搜尋結果、與動態頁面互動（點分頁、展開描述）、任何需要完整 DOM 的情境。

限制： 很慢（在捲動＋擷取流程中，每支影片約 1.5–3 秒）。反機器人偵測風險高——原生 Selenium 會讓 navigator.webdriver === true，而且 任何 JS 偵測都能立刻讀到。資源消耗大（每個瀏覽器實例大約吃 200–500 MB RAM）。如果是 100 支影片，可能要 3–8 分鐘；用 yt-dlp 的話通常只要幾秒。

方法 3：用 yt-dlp 擷取 YouTube

yt-dlp 可以說是 YouTube 擷取界的瑞士刀。它是 youtube-dl 的社群分支，擁有 超過 15.7 萬 GitHub stars，每天都有活躍更新，並且內建支援中繼資料、留言、逐字稿和批次擷取——全都不需要瀏覽器或 API 金鑰。

• 難度： 初學到中階
• 所需時間： 約 10 分鐘
• 需要： Python 3.10+、pip install yt-dlp

步驟 1：安裝 yt-dlp

pip install yt-dlp

不需要瀏覽器驅動、不需要 API 金鑰，也不需要設定檔。

步驟 2：不下載影片，直接提取中繼資料

import yt_dlp

opts = {
    "quiet": True,
    "skip_download": True,      # 不抓影片本體，只要中繼資料
    "no_warnings": True,
}

with yt_dlp.YoutubeDL(opts) as ydl:
    info = ydl.extract_info(
        "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
        download=False
    )

print(f"標題：{info['title']}")
print(f"觀看次數：{info['view_count']:,}")
print(f"喜歡數：{info.get('like_count', 'N/A')}")
print(f"長度：{info['duration']} 秒")
print(f"上傳日期：{info['upload_date']}")
print(f"頻道：{info['channel']}（{info.get('channel_follower_count', 'N/A')} 訂閱）")
print(f"標籤：{info.get('tags', [])[:5]}")

一般來說，extract_info 會回傳 80–120 個欄位，視影片狀態而定：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。

步驟 3：擷取 YouTube 留言

opts = {
    "quiet": True,
    "skip_download": True,
    "getcomments": True,
    "extractor_args": {
        "youtube": {
            "max_comments": ["200", "50", "50", "10"],  # 總數、父留言、每則回覆數、回覆總數
            "comment_sort": ["top"],
        }
    },
}

with yt_dlp.YoutubeDL(opts) as ydl:
    info = ydl.extract_info(
        "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
        download=False
    )

comments = info.get("comments", [])
print(f"已抓到 {len(comments)} 則留言")
for c in comments[:3]:
    print(f"  [{c.get('like_count', 0)} 個讚] {c['author']}: {c['text'][:80]}...")

留言擷取速度不快。yt-dlp Issue #3532 指出留言抓取速度大約只有 30 KB/s——一支有 10 萬則留言的影片，可能要跑上好幾個小時。Issue #11849 也記錄了有些影片在留言分頁還沒抓完前，格式 URL 就先過期了（約 6 小時）。對於大影片，max_comments 一定要設得更積極一些。

步驟 4：擷取逐字稿和字幕

YouTube Data API 和 BS4 解析都沒辦法直接給你完整逐字稿，這正是 yt-dlp 的獨特優勢。

opts = {
    "quiet": True,
    "skip_download": True,
    "writesubtitles": True,
    "writeautomaticsub": True,
    "subtitleslangs": ["en", "en-orig"],
    "subtitlesformat": "json3",   # 適合機器解析：含 start/dur（毫秒）和文字
    "outtmpl": "%(id)s.%(ext)s",
}

with yt_dlp.YoutubeDL(opts) as ydl:
    info = ydl.extract_info(
        "https://www.youtube.com/watch?v=dQw4w9WgXcQ",
        download=False
    )

# 直接從 info 字典讀取字幕資料
auto_captions = info.get("automatic_captions", {})
manual_subs = info.get("subtitles", {})
print(f"自動字幕語言：{list(auto_captions.keys())[:10]}")
print(f"人工字幕語言：{list(manual_subs.keys())}")

json3 格式最適合機器解析——每個片段都有毫秒級的 start／dur 和文字片段。語言代碼採用 BCP-47（例如 en、en-US、zh-Hans、ja、es）。

步驟 5：批次擷取多支影片或整個頻道

opts = {
    "quiet": True,
    "skip_download": True,
    "extract_flat": "in_playlist",  # 很快——只抓 video ID 和標題
    "sleep_interval": 2,
    "max_sleep_interval": 6,
}

with yt_dlp.YoutubeDL(opts) as ydl:
    info = ydl.extract_info(
        "https://www.youtube.com/@mkbhd/videos",
        download=False
    )

entries = info.get("entries", [])
print(f"頻道中找到 {len(entries)} 支影片")
for e in entries[:5]:
    print(f"  {e.get('title', 'N/A')} — {e.get('id')}")

你也可以直接丟入頻道網址、播放清單網址，甚至搜尋字串（例如 ytsearch10:python scraping），yt-dlp 會在內部幫你處理分頁。

什麼時候適合用這個方法？什麼時候不適合？

適合： 大量中繼資料擷取、留言、逐字稿、下載影片、需要完整欄位集的頻道級抓取。

限制： 不太適合抓搜尋結果頁（這種情況 Selenium/Playwright 更合適）。2024–2026 的反機器人大戰也讓 yt-dlp 在大規模環境下變得更複雜——YouTube 現在在某些用戶端上強制 BotGuard attestation 與 PO Tokens。如果是正式環境，建議安裝 bgutil-ytdlp-pot-provider 外掛，並搭配 --cookies-from-browser chrome（請用一個丟棄帳號；yt-dlp 團隊提醒，若直接使用真實 Google 帳號的 cookies，帳號有可能被封）。

方法 4：用 YouTube Data API 擷取 YouTube

官方的 YouTube Data API v3 是取得 YouTube 資料最穩定、最結構化的方式。回應是乾淨的 JSON，欄位有完整文件說明，也不用跟反機器人玩貓捉老鼠。但很多教學都會略過一個關鍵：配額制度。

• 難度： 中階
• 所需時間： 約 20 分鐘（含 API 金鑰設定）
• 需要： Python 3.10+、Google Cloud 專案、pip install google-api-python-client

步驟 1：取得 YouTube Data API 金鑰

1. 前往 Google Cloud Console
2. 建立新專案（或選擇既有專案）
3. 進入 APIs & Services → Library，搜尋 "YouTube Data API v3"，然後按 Enable
4. 進入 APIs & Services → Credentials → Create Credentials → API Key
5. 複製金鑰，等等程式碼會用到

步驟 2：第一次 API 呼叫

from googleapiclient.discovery import build

API_KEY = "YOUR_API_KEY_HERE"
youtube = build("youtube", "v3", developerKey=API_KEY)

# 取得特定影片的資訊
response = youtube.videos().list(
    part="snippet,statistics,contentDetails",
    id="dQw4w9WgXcQ"
).execute()

video = response["items"][0]
print(f"標題：{video['snippet']['title']}")
print(f"觀看次數：{video['statistics']['viewCount']}")
print(f"喜歡數：{video['statistics'].get('likeCount', '隱藏')}")
print(f"留言數：{video['statistics'].get('commentCount', '已停用')}")
print(f"長度：{video['contentDetails']['duration']}")
print(f"標籤：{video['snippet'].get('tags', [])[:5]}")

這種回應乾淨、型別清楚、文件完整，不需要做 JSON 考古。

步驟 3：擷取影片細節、頻道資訊和留言

# 搜尋影片
search_response = youtube.search().list(
    part="snippet",
    q="python web scraping tutorial",
    type="video",
    maxResults=10,
    order="viewCount"
).execute()

for item in search_response["items"]:
    print(f"  {item['snippet']['title']} — {item['id']['videoId']}")

# 抓留言
comments_response = youtube.commentThreads().list(
    part="snippet",
    videoId="dQw4w9WgXcQ",
    maxResults=20,
    order="relevance"
).execute()

for item in comments_response["items"]:
    comment = item["snippet"]["topLevelComment"]["snippet"]
    print(f"  [{comment['likeCount']} 個讚] {comment['authorDisplayName']}: {comment['textDisplay'][:80]}")

YouTube API 的現實配額（很多人不會告訴你）

這一段才是真正把「有用指南」和「只會複製貼上」的教學區分開來的地方。預設配額是 每天 10,000 quota units，美西時間午夜重置。以下是每次呼叫的成本：

API 端點	每次呼叫配額成本	每次最多結果數
search.list	100 units	50 筆結果
videos.list	1 unit	50 個影片 ID（可批次）
channels.list	1 unit	50 個頻道 ID
commentThreads.list	1 unit	100 則留言
captions.list	50 units	不適用

接著來算數學。假設你想抓 1,000 筆搜尋結果：

• 搜尋呼叫： 1,000 筆 ÷ 每頁 50 筆 = 20 次呼叫 × 100 units = 2,000 units（等於你每天預算的 20%，直接沒了）
• 這 1,000 支影片的詳細資料： 1,000 個 ID ÷ 每批 50 個 = 20 次呼叫 × 1 unit = 20 units（很便宜——批次 videos.list 是救星）
• 這 1,000 支影片的留言（假設每支只抓 1 頁）：1,000 次呼叫 × 1 unit = 1,000 units

總計大約 3,020 units，對中小型擷取來說已經不少。但如果那些影片留言很多（每支 50+ 頁），剩下的 7,000 units 很快就會燒光。一支有 50,000 則留言的影片大概就是 500 頁 = 500 units；如果你抓 20 支這種影片，今天的配額就結束了。

提高配額的流程 需要完整的合規審查：隱私權政策網址、服務條款網址、應用程式操作影片、以及配額計算的合理性說明。社群回報顯示，Google 通常要 3–5 個工作天才會回覆，正式核准可能得等好幾週到幾個月，而且很多申請都會被拒，尤其是那種「我只是想拿更多資料做分析」的用途。

什麼情況適合用 API： 小到中等規模、需要結構化且可靠的資料、留言和頻道統計很重要、且能接受配額上限。

什麼情況下用抓取更合理： 大規模專案（每天超過 1 萬支影片）、API 沒提供的欄位（完整逐字稿——captions.download 需要 OAuth + 影片擁有者權限）、或每個查詢需要超過 500 筆搜尋結果時（即使 totalResults 顯示更多，API 仍有硬限制）。

免寫程式捷徑：用 Thunderbit 擷取 YouTube（不需要 Python）

如果你是做資料管線，真的需要 Python，那就用上面的方法 1–4。但如果你只想在 2 分鐘內拿到 YouTube 資料——也許你是想抓競品數據的行銷人員，或只是想快速取資料、懶得搭環境的開發者——其實有更快的路。

Thunderbit 是一個 AI 網頁爬蟲 Chrome 擴充功能，我們就是專門為這種「寫程式太大材小用」的情境打造的。它可以直接在瀏覽器裡對 YouTube 頁面操作。

3 步驟用 Thunderbit 擷取 YouTube

步驟 1： 安裝 Thunderbit Chrome 擴充功能，然後打開一個 YouTube 頻道頁、搜尋結果頁或影片頁。

步驟 2： 在 Thunderbit 側邊欄點選 「AI 建議欄位」。AI 會讀取頁面，並自動建議像是影片標題、觀看次數、上傳日期、長度、頻道名稱和縮圖網址等欄位。你也可以依需求新增、刪除或重新命名欄位。

步驟 3： 點選 「擷取」，然後匯出到 Google Sheets、Excel、CSV、Airtable 或 Notion。資料會以整齊表格的形式送出，馬上就能用。

試用 Thunderbit 擷取 YouTube

適合哪些人？

• 行銷人員：需要競品頻道資料，但不會寫程式
• 開發者：想快速拿資料，不想先建立虛擬環境和安裝依賴套件
• 任何卡在反機器人機制前的人：Thunderbit 是在你自己已登入的瀏覽器 session 裡擷取，會沿用你的 cookies 和 PO token，能避開很多伺服器端爬蟲會遇到的封鎖問題
• Thunderbit 也能使用 子頁面擷取 逐一拜訪每支影片頁面，為表格補充更多資訊（例如喜歡數、描述、標籤）

如果你想更深入了解 Thunderbit 如何專門處理 YouTube，可以看看 Thunderbit YouTube 頻道爬蟲範本 和 Thunderbit YouTube 頻道。

用 Python 擷取 YouTube 時，如何避免被封鎖

以下技巧適用於這 4 種 Python 方法。YouTube 的反機器人機制在 ScrapeOps 的評分中約為 6/10 難度，主要訊號有三個：IP 行為分析、需要執行 JS、以及 HTML 結構經常變動。

所有方法都適用的原則：

• 不只輪換 User-Agent，整組 header 也要一起換——Accept、Accept-Language、Sec-CH-UA 這些 client hints 也要和 UA 相符。ScraperAPI 的 2026 指南 有最新清單。
• 每次請求之間加上 2–8 秒的隨機延遲。固定間隔本身就是偵測訊號。
• 只要不是少量頁面，就該用住宅代理。資料中心 IP（AWS、GCP、Hetzner）在 2025–2026 幾乎已經不適合拿來抓 YouTube。
• session 和 IP 要一起輪換——YouTube 會把 session 跟 IP 綁在一起，同一個 cookie 出現在不同 IP 上會很可疑。

針對 requests + BS4： 記得設定 CONSENT=YES+cb cookie。沒有它的話，歐盟地區的請求會被導向一個沒有資料的同意頁。

針對 Selenium/Playwright： 在 Linux 伺服器上，建議用 xvfb 跑顯示模式，而不是 --headless=new——無頭 Chrome 依然會漏出足夠的指紋訊號，讓高階偵測工具抓到。也可以考慮 playwright-stealth，它會套用大約 17 種躲避策略。

針對 yt-dlp： 使用 sleep_interval 和 max_sleep_interval 參數。安裝 bgutil-ytdlp-pot-provider 外掛來產生 PO Token。搭配 --cookies-from-browser chrome，但請用測試帳號。

針對 API： 用 Google Cloud Console 監控配額，並盡量批次化請求。一次 videos.list 帶 50 個用逗號分隔的 ID，只要 1 unit——務必善用。

針對 Thunderbit： 因為擷取是在你自己的瀏覽器 session 裡進行，反機器人機制會自動被處理。你其實只是把原本手動會做的事自動化而已。

用 Python 擷取 YouTube 合法嗎？

這要看你抓的是什麼、怎麼抓，以及你怎麼使用這些資料。

2024 年的法律環境出現變化，Meta Platforms v. Bright Data（加州北區法院，2024 年 1 月）中，Chen 法官裁定 Meta 的 ToS 只禁止登入後擷取，不禁止未登入的公開擷取。這讓公開資料的擷取風險明顯下降。另一方面，hiQ v. LinkedIn 最後則以 50 萬美元判決 告終，原因包括違反 ToS、CFAA 違規（假帳號）以及侵入動產，還附帶永久禁制令。

YouTube 自己的 服務條款 寫得很清楚：「未經事先書面許可，或未獲適用法律允許，不得以任何自動化方式（例如機器人、botnet 或爬蟲）存取本服務。」官方認可的資料取得方式就是 YouTube Data API。

幾個實務上的原則：

• 抓取公開可見的資料，用於個人研究或非商業分析，通常風險較低
• API 是最安全的路徑，因為它是明確授權的
• 不要抓私密或登入後才能看到的內容、不要下載受版權保護的影片拿去重新散布、也不要因為留言中的個資而違反 GDPR
• YouTube 留言在 GDPR 第 4(1) 條下屬於個人資料——處理歐盟資料主體資訊時要特別小心
• 商業抓取專案請先諮詢法律顧問

以上都不是法律意見。這個領域變化非常快——2025–2026 年，一波創作者針對 AI 公司提起的 DMCA §1201 訴訟（涉及抓取 YouTube 作訓練資料）也正在重新塑造整個環境。

用 Python 擷取 YouTube，該選哪一種方法？

決策指南如下：

• 只需要幾個頁面的快速中繼資料？ → 方法 1（requests + BS4）。快、輕量，除了 requests 和 beautifulsoup4 幾乎沒其他依賴。
• 需要抓搜尋結果或操作動態頁面？ → 方法 2（Selenium/Playwright）。能完整渲染瀏覽器、支援無限捲動，但速度慢、也比較容易被偵測。
• 需要大量中繼資料、留言或逐字稿？ → 方法 3（yt-dlp）。功能最完整的單一工具——15.7 萬以上 stars 不是沒有原因。
• 需要中等規模、結構化又可靠的資料？ → 方法 4（YouTube Data API）。官方、乾淨，但受限於 每天 10,000 units 的配額。
• 兩分鐘內拿到資料，不想寫程式？ → Thunderbit。瀏覽器內、AI 驅動、幾下點擊就能匯出到 Google Sheets。

沒有任何一種方法能解決所有情境。建議你把上面的比較表和可擷取欄位參考存起來——下次做專案時一定會省很多時間。如果你想探索更多 網頁爬取做法，Thunderbit 部落格也有很多實用指南，從 Python 網頁爬蟲教學 到 把資料抓進 Google Sheets 都有。

試用 Thunderbit 擷取 YouTube Get Started Free

常見問題

不用 API 金鑰，也能擷取 YouTube 嗎？

可以。方法 1（requests + BS4）、方法 2（Selenium/Playwright）和方法 3（yt-dlp）都不需要 API 金鑰。只有方法 4（YouTube Data API）需要。Thunderbit 也不需要任何 API 金鑰——它是直接在你的瀏覽器中擷取。

用 Python 擷取 YouTube 的最快方法是什麼？

就 Python 而言，yt-dlp 和 requests + BS4 是最快的——兩者都不需要瀏覽器開銷，通常每支影片幾秒內就能拿到中繼資料。yt-dlp 尤其適合批次操作，因為它會在內部處理分頁。若你根本不想寫 Python，Thunderbit 則是整體最快，因為幾乎沒有設定成本。

要怎麼用 Python 擷取 YouTube 留言？

yt-dlp 的 getcomments 選項內建留言擷取，是最簡單的路徑。YouTube Data API 也支援留言，透過 commentThreads.list 就行（每次 1 unit，每頁最多 100 則留言）。Selenium/Playwright 技術上也能做到，但得透過捲動並抓取渲染後的留言元素，速度慢又脆弱。

可以用 Python 擷取 YouTube Shorts 嗎？

可以。yt-dlp 對 Shorts 的中繼資料支援很好，它會把 Shorts 當作一般影片處理，只是多一些 Shorts 專屬欄位。YouTube Data API 也有部分支援（Shorts 觀看次數計算方式在 2025 年 4 月 30 日 有變更——現在只要開始播放或重播都會計入）。BS4 和 Selenium/Playwright 對 Shorts 的支援有限，因為 Shorts 區塊使用不同的 DOM 結構。

一天可以擷取多少支 YouTube 影片？

如果使用 YouTube Data API，你會被限制在每天約 10,000 quota units。若使用批次 videos.list（每次 50 個 ID 只要 1 unit），理論上每天可查詢多達 50 萬筆影片統計資料；但 search.list 每次要 100 units，很快就會吃光配額。至於 BS4、Selenium、yt-dlp 這類擷取方法，限制比較不是寫死的，而是實務上會受 IP 封鎖影響：視代理設定和請求模式而定，通常每個 IP 一天幾百到幾千次請求後就可能開始出現問題。Thunderbit 則採用點數制，綁定你的 方案。

延伸閱讀

• 如何使用 Python 進行網頁爬蟲
• Playwright 與 Puppeteer 比較
• 最佳自動化網頁爬蟲工具
• Scrapy Python 教學
• 用 Python 擷取 LinkedIn