抓取 qq.com 的tag 页面

关于 qq.com

qq.com 这样描述自己：“腾讯网从2003年创立至今，已经成为集新闻信息，区域垂直生活服务、社会化媒体资讯和产品为一体的互联网媒体平台。腾讯网下设新闻、科技、财经、娱乐、体育、汽车、时尚等多个频道，充分满足用户对不同类型资讯的需求。同时专注不同领域内容，打造精品栏目，并顺应技术发展趋势，推出网络直播等创新形式，改变了用户获取资讯的方式和习惯”。

其站点地图在 19 个文件中列出了 36,831 个 URL（1062030159, 1062000986, 1061930770, 1061900275, 1061830387, 1061800771）。 在 36,831 条带日期的条目中，有 36,831 条在最近 30 天内发生变化，最新一条在 2026年9月6日。

其 robots.txt 指定了 1 个站点地图，并禁止 1 个路径。

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；99.3% 的成功调用使用了 JavaScript 令牌，响应中位时间为 6.1s。

在 Cookbook 的 74 个新闻媒体站点中，qq.com 按成功率排在第 13 位（共 74 个）；类别中位数为 98.9%。 其响应中位时间 6.1s 慢于类别中位数 2.3s。 74 个站点中有 58 个接受普通令牌；这个站点需要 JavaScript 令牌。

调用

文章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。请把占位路径换成站点上真实的文章 URL。

curl "https://api.crawlbase.com/?token=YOUR_JS_TOKEN&url=https%3A%2F%2Fwww.qq.com%2Ftag%2Fexample-page"

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

r = api.get('https://www.qq.com/tag/example-page')
html = r['body']

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

const r = await api.get('https://www.qq.com/tag/example-page');

关键参数

各账户抓取的 URL 模式

你能得到的字段

文章页带有标题、日期和作者，通常在 ld+json 的 Article 块中，正文在 HTML 里。该块通常也标明栏目。

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

新闻按小时变化。轮询栏目或站点地图获取新链接，然后把文章 URL 连同回调推送到 Crawler，让抓取按节奏进行。该站点的响应中位时间为 6.1s。

常见问题

qq.com 上的其他页面

qq.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。