抓取 baidu.com 的搜索结果

关于 baidu.com

baidu.com 这样描述自己：“全球领先的中文搜索引擎、致力于让网民更便捷地获取信息，找到所求。百度超过千亿的中文网页数据库，可以瞬间找到相关的搜索结果”。

其 robots.txt 禁止 10 个路径，其中包括 /baidu, /bh, /shifen/。

基于 Crawlbase 测得

2026年8月 对每个账户的每个请求统计的成功率：99.9%。URL 模式、国家和失败情况来自自 2026年8月14日 起的请求日志；0.0% 的成功调用使用了 JavaScript 令牌，响应中位时间为 2.3s。

在 Cookbook 的 11 个技术与开发者站点中，baidu.com 按成功率排在第 2 位（共 11 个）；类别中位数为 97.8%。 其响应中位时间 2.3s 慢于类别中位数 1.9s。 11 个站点中有 8 个接受普通令牌，这个站点也在其中。

调用

搜索结果页是各账户在此抓取最多的页面形态，附带最常成功的国家和令牌。请把占位查询换成你自己的。

curl "https://api.crawlbase.com/?token=YOUR_TOKEN&url=http%3A%2F%2Fwww.baidu.com%2Fs"

from crawlbase import CrawlingAPI
api = CrawlingAPI({'token': 'YOUR_TOKEN'})

r = api.get('http://www.baidu.com/s')
html = r['body']

const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_TOKEN' });

const r = await api.get('http://www.baidu.com/s');

关键参数

各账户抓取的 URL 模式

你能得到的字段

搜索页带有结果列表，每条有标题、链接，通常还有价格或摘要。用站点自己的分页参数翻页，页面重复时停止。

会出问题的地方及修复方法

自 2026年8月14日 以来的失败中，站点的响应为：

定时运行

搜索是站点昂贵的一面。保持查询列表精简，通过 Crawler 按节奏运行并附带回调，之后只抓取你需要的结果页。该站点的响应中位时间为 2.3s。

常见问题

baidu.com 上的其他页面

baidu.com 在自己的站点地图中列出的页面，由 Crawlbase 于 2026年9月6日 抓取，并在连续 2 次运行中得到验证。每一行都是返回该页面及其内容的最便宜调用。