抓取 twitter.com

关于 twitter.com

twitter.com 这样描述自己：“从突发新闻和娱乐到体育和政治，通过所有实时评论了解事件全貌”。

其 robots.txt 指定了 1 个站点地图，并禁止 12 个路径。 它要求爬虫在请求之间等待 1 秒。

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：99.8%。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；100% 的成功调用使用了 JavaScript 令牌，响应中位时间为 14.9s。

在 Cookbook 的 8 个社交站点中，twitter.com 按成功率排在第 2 位（共 8 个）；类别中位数为 98.9%。 其响应中位时间 14.9s 慢于类别中位数 9.2s。 8 个站点中有 6 个接受普通令牌；这个站点需要 JavaScript 令牌。

调用

各账户抓取最多的 URL 形态，配以最常成功的 country 和令牌。请将占位路径替换为该站点的真实路径。

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

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

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

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

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

关键参数

各账户抓取的 URL 模式

你能得到的字段

字段取决于页面类型。商品页通常带有 ld+json 块，包含名称、价格、货币和库存状态；文章页则有标题和正文。请检查你收到的第一个响应。

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

该站点的响应时间中位数为 14.9s。每天超过几千页时，请将 URL 列表连同回调推送到 Crawler；它会控制调用节奏，并重试站点拒绝的请求。

常见问题

twitter.com 上的其他页面

twitter.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。