Kaggle Notebook Search · Crawlbase 文档

列表页面未公开的内容

Kaggle 只把结果总数标注为 Results (100+)，因此 totalCountLabel 会原样以字符串返回，而不会转换为数字。作者多于一人的行会渲染为堆叠头像，文档中没有图片 URL，因此这些行的 author.image 为空。关联多个竞赛的 notebook 只显示第一个竞赛，外加一个 +2 角标 - 其余名称并不在页面中，因此只能给出 additionalContextCount。

API 用法

在 Crawling API 请求中添加 &scraper=kaggle-notebook-serp。在 url 参数中对目标 URL 进行 URL 编码。

curl 'https://api.crawlbase.com/?token=YOUR_TOKEN' \
  --data-urlencode 'url=https://www.kaggle.com/code?searchQuery=titanic' \
  --data-urlencode 'scraper=kaggle-notebook-serp' -G
from crawlbase import CrawlingAPI

api = CrawlingAPI({'token': 'YOUR_TOKEN'})
res = api.get(
    'https://www.kaggle.com/code?searchQuery=titanic',
    {'scraper': 'kaggle-notebook-serp'}
)

import json
data = json.loads(res['body'])
const { CrawlingAPI } = require('crawlbase');
const api = new CrawlingAPI({ token: 'YOUR_TOKEN' });

const res = await api.get(
  'https://www.kaggle.com/code?searchQuery=titanic',
  { scraper: 'kaggle-notebook-serp' }
);
const data = JSON.parse(res.body);
require 'crawlbase'
api = Crawlbase::API.new(token: 'YOUR_TOKEN')

res = api.get('https://www.kaggle.com/code?searchQuery=titanic', scraper: 'kaggle-notebook-serp')
data = JSON.parse(res.body)

示例输入 URL

url 参数支持任意 Kaggle notebook 搜索或列表页面 - 即 /code 的页面，带或不带查询字符串均可。例如：

https://www.kaggle.com/code?searchQuery=titanic
https://www.kaggle.com/code?searchQuery=xgboost&language=Python
https://www.kaggle.com/code
https://www.kaggle.com/code?searchQuery=nlp&page=2

响应结构

JSON 响应体。当源页面省略对应值时，字段类型可能为 null。

url

string

被抓取的搜索页面的 URL。

query

string | null

从请求 URL 中读取的搜索词。Kaggle 在该页面上渲染的搜索框为空，因此 URL 是唯一来源。

totalCountLabel

string | null

Kaggle 标注的结果总数，原样返回，例如 100+。由于页面未给出精确数字，该值以字符串形式返回。

page

integer | null

当前页码，无法确定时为 null。

hasNextPage

boolean

是否还有下一页结果。

resultCount

integer

本页返回的行数。

results

array

notebook 行，按其在页面上出现的顺序排列。

results[].position

integer

该行在本页中的排名，从 1 开始。

results[].title

string | null

notebook 显示标题。

results[].url

string | null

notebook 的绝对 URL。

results[].slug

string | null

notebook 标识符，形式为 author/notebook，从 URL 路径中读取。

results[].author

object

拥有该 notebook 的账号。

results[].author.username

string | null

所有者账号名，取自 notebook URL 的第一个路径段，因此在存在共同作者的行上同样可以解析。

results[].author.name

string | null

所有者显示名称。

results[].author.url

string | null

所有者资料页的绝对 URL。

results[].author.image

string | null

所有者头像的 URL。在存在共同作者的行上为空，因为 Kaggle 会渲染堆叠头像，文档中没有 URL。

results[].coauthors

array

其余作者的显示名称，以字符串数组形式返回。单作者 notebook 上为空。

results[].lastUpdated

string | null

notebook 最近一次更新的绝对时间戳。卡片只显示相对时间，因此该值取自其背后的提示框，并保留 Kaggle 的格式而非 ISO 8601。

results[].commentCount

integer | null

该 notebook 上的评论数量。

results[].context

string | null

该 notebook 所关联的竞赛或数据集的名称。

results[].additionalContextCount

integer

除 context 之外，该 notebook 还关联了多少个竞赛或数据集。它们的名称不在页面中，因此只能给出数量。

results[].votes

integer | null

该 notebook 的点赞数。

results[].medal

string | null

该 notebook 获得的 Kaggle 奖牌（例如 gold），该行没有奖牌时为 null。

示例响应

{
  "url": "https://www.kaggle.com/code?searchQuery=titanic",
  "query": "titanic",
  "totalCountLabel": "100+",
  "page": 1,
  "hasNextPage": true,
  "resultCount": 20,
  "results": [
    {
      "position": 1,
      "title": "Titanic Tutorial",
      "url": "https://www.kaggle.com/code/alexisbcook/titanic-tutorial",
      "slug": "alexisbcook/titanic-tutorial",
      "author": {
        "username": "alexisbcook",
        "name": "Alexis Cook",
        "url": "https://www.kaggle.com/alexisbcook",
        "image": "https://storage.googleapis.com/kaggle-avatars/thumbnails/2603295-kg.jpg"
      },
      "coauthors": [],
      "lastUpdated": "Fri Jun 24 2022 00:25:16 GMT+0000 (Coordinated Universal Time)",
      "commentCount": 30626,
      "context": "Titanic - Machine Learning from Disaster",
      "additionalContextCount": 0,
      "votes": 60135,
      "medal": "gold"
    },
    {
      "position": 3,
      "title": "Spaceship Titanic with TFDF",
      "url": "https://www.kaggle.com/code/gusthema/spaceship-titanic-with-tfdf",
      "slug": "gusthema/spaceship-titanic-with-tfdf",
      "author": {
        "username": "gusthema",
        "name": "Gusthema",
        "url": "https://www.kaggle.com/gusthema",
        "image": ""
      },
      "coauthors": [
        "Nidhin PD"
      ],
      "lastUpdated": "Mon Apr 17 2023 09:36:29 GMT+0000 (Coordinated Universal Time)",
      "commentCount": 378,
      "context": "Spaceship Titanic",
      "additionalContextCount": 0,
      "votes": 7863,
      "medal": "gold"
    },
    {
      "position": 10,
      "title": "Titanic Top Solution",
      "url": "https://www.kaggle.com/code/brendan45774/titanic-top-solution",
      "slug": "brendan45774/titanic-top-solution",
      "author": {
        "username": "brendan45774",
        "name": "Brenda N",
        "url": "https://www.kaggle.com/brendan45774",
        "image": "https://storage.googleapis.com/kaggle-avatars/thumbnails/2681031-kg.jpg"
      },
      "coauthors": [],
      "lastUpdated": "Wed Sep 01 2021 16:03:11 GMT+0000 (Coordinated Universal Time)",
      "commentCount": 249,
      "context": "Titanic - Machine Learning from Disaster",
      "additionalContextCount": 2,
      "votes": 2294,
      "medal": "gold"
    }
  ]
}