抓取 youtube.com 的watch 页面

关于 youtube.com

youtube.com 这样描述自己：“在 YouTube 上欣赏您喜爱的视频和音乐，上传原创内容，并与朋友、家人和全世界分享”。

其站点地图在 15 个文件中列出了 2,578 个 URL（misc）。

其 robots.txt 指定了 2 个站点地图，并禁止 12 个路径，其中包括 /api/, /comment, /login。

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：99.6%。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；5.2% 的成功调用使用了 JavaScript 令牌，响应中位时间为 1.8s。

在 Cookbook 的 5 个娱乐站点中，youtube.com 按成功率排在第 3 位（共 5 个）；类别中位数为 99.6%。 其响应中位时间 1.8s 与类别中位数 1.8s 相当。 5 个站点中有 3 个接受普通令牌；这个站点只在部分页面接受。

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.youtube.com%2Fwatch"

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

r = api.get('https://www.youtube.com/watch')
html = r['body']

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

const r = await api.get('https://www.youtube.com/watch');

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 1.8s。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

youtube.com 上的其他页面

youtube.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。