contentm_agent/.workbuddy/skills/aigc-idea-impression/references/操作规范/获取抖音账号数据操作规范.md

获取抖音账号数据 操作规范（SOP）

端到端流程：从「账号昵称」到「归档 JSON」。基于 2026-08-30 实测（雨菲啊账号获取）沉淀。 工具：browser-harness（~/.local/bin/browser-harness.exe）。 通用浏览器准备步骤见 浏览器访问操作规范.md（本文件聚焦抖音账号获取全流程）。

〇、获取方式原则（红线，先读）

必须模拟真实用户操作——具体指模拟用户输入和鼠标点击：

能力	命令	说明
键盘输入	fill_input(selector, text) / type_text(text)	模拟键入（如搜索框输入关键词）
按键	press_key(key)	模拟回车/ESC 等按键
鼠标点击	click_at_xy(x, y)	模拟点击（如点搜索按钮、点用户卡片）
滚动	scroll(x, y, dy)	模拟滚轮滚动浏览
读取	js(...) / page_info()	仅用于读取数据 / 定位元素坐标，不代替用户行为

禁止：用 goto_url URL 直达代替搜索/点击；禁止运行内置脚本/第三方 API 代替浏览器行为。goto_url 仅用于打开站点首页。

• 判定速查：能浏览器模拟 → 必须走浏览器（输入+点击+滚动）；浏览器被验证码/登录墙拦截 → 才可降级第三方并注明
• 行为节奏：等待渲染（6-7s）、按需滚动（2-3 次）、控制频率

🚨 风控规避红线（2026-08-30 实测教训，先读）

触发风控识别 → 立即停止操作，禁止继续。风控窗口期继续操作会加重风控（验证页升级、内容区封锁、预览节流）。

风控信号	表现	处理
预览节流	批量/连续 hover 卡片时长全部读不到	立即停止 hover 类操作
验证页	页面 title 变成 emoji（如 🐴）、正文只剩导航+页脚	立即停止，关闭相关页面标签
内容区封锁	主页/搜索页只有导航栏，账号信息与作品列表不渲染	立即停止，禁止刷新重试
CDP timed out	browser-harness 连续超时	停止操作，doctor 确认 daemon 后再动

恢复流程：

1. 冷却：停止一切抖音自动化操作，至少 15-30 分钟（浏览器页面保持闲置，不刷新不操作）
2. 冷却后先手动正常访问一次（打开抖音首页浏览），确认无验证页再恢复自动化
3. 恢复后严格按用户节奏：一次只 hover/点击一个元素，间隔自然（3-5s+），不批量扫描、不固定节奏

操作节奏铁律（防再触发）：

• 一次只处理 1 个目标（如只 hover 一个卡片），读完再处理下一个
• 不做 for 循环连续 hover/点击（机器扫描特征）
• 每次操作间有"浏览停顿"，不机械匀速

---

一、触发场景

用户要求获取某抖音账号数据（粉丝/获赞/简介/抖音号等）时执行。如「获取 XXX 账号数据」「查一下 XXX 账号」。

二、环境准备（每次必做）

# 1. 清代理（Privoxy 10800 劫持 CDP）
unset http_proxy https_proxy HTTP_PROXY HTTPS_PROXY
export NO_PROXY="127.0.0.1,localhost,::1"

# 2. doctor 检查三要素
browser-harness doctor

# 3. CDP 授权：Chrome 弹「Allow remote debugging?」→ 用户点允许
#    （弹窗在后台时：chrome://inspect/#remote-debugging 勾选启用）

三、执行流程

步骤 1：打开抖音并搜索账号（模拟用户输入 + 点击）

BH="$HOME/.local/bin/browser-harness.exe"
"$BH" <<'PY'
import time
# ① 打开抖音首页（仅导航入口）
goto_url("https://www.douyin.com")
time.sleep(6)

# ② 模拟用户输入：点击搜索框 → 键入关键词 → 回车
#    先定位搜索框坐标（js 辅助定位，不代替行为）
r = js("""
(() => {
    const els = Array.from(document.querySelectorAll('input'));
    const inp = els.find(e => (e.placeholder||'').includes('搜索'));
    if (!inp) return null;
    const b = inp.getBoundingClientRect();
    return {x: b.x + b.width/2, y: b.y + b.height/2};
})()
""")
pos = r.get("value", None) if isinstance(r, dict) else r
if pos:
    click_at_xy(pos["x"], pos["y"])          # 点击搜索框（模拟鼠标点击）
    time.sleep(1)
    type_text("{昵称}")                        # 键入账号名（模拟键盘输入）
    time.sleep(1)
    press_key("Enter")                         # 回车搜索
    time.sleep(6)
PY

备选：直接 goto_url("https://www.douyin.com/search/{昵称URL编码}?type=user") 定位到搜索页（导航式，非严格模拟用户，仅在交互定位困难时使用，且随后用点击进主页补齐）。

步骤 2：提取页面文本

"$BH" <<'PY'
r = js("document.body.innerText")
text = r.get("value", "") if isinstance(r, dict) else str(r)
idx = text.find("{昵称}")
seg = text[max(0,idx-100):idx+400]
print(seg)
PY

步骤 3：结构化解析（正则）

抖音号: 6301602506217
53.7万获赞 68.6万粉丝     ← 实际显示粘连：抖音号(13位) + 获赞 + 粉丝
简介：用户卡片下方文字段

import re
dyid = re.search(r"抖音号[:：]\s*([0-9]+)", seg)
fans = re.search(r"([\d.]+万?)粉丝", seg)
likes = re.search(r"([\d.]+万?)获赞", seg)
# 简介 = 卡片区域内的独立文本行（抖音号行之后的非数字行）

⚠️ 实测坑：搜索结果卡片中「抖音号/获赞/粉丝」粘连显示（如 630160250621753.7万获赞68.6万粉丝）——抖音号为 13 位数字，先切出抖音号再解析获赞/粉丝。 ⚠️ 搜索卡片数据是近期数据（获赞可能仅为片段），必须进主页拿完整累计数据（见步骤 4）。

步骤 4：进入账号主页（模拟点击用户卡片）

搜索卡片仅公开片段，进入主页才能拿到完整数据（累计获赞/作品数/关注/IP属地/简介全文/置顶作品）。

# 模拟用户点击：定位目标用户卡片坐标 → 点击进入主页
"$BH" <<'PY'
import time
r = js("""
(() => {
    // 找搜索结果中"目标昵称"的用户卡片可点击区域
    const all = Array.from(document.querySelectorAll('a[href*="/user/MS4w"]'));
    const cards = all.filter(a => (a.innerText||'').includes('{昵称}') || true);
    const hrefs = [...new Set(all.map(a => a.getAttribute('href').split('?')[0]))];
    // 返回第一个真实用户卡片中心坐标
    const t = all[0]; if (!t) return null;
    const b = t.getBoundingClientRect();
    return {x: b.x + b.width/2, y: b.y + b.height/2, url: 'https:' + hrefs[0]};
})()
""")
info = r.get("value", None) if isinstance(r, dict) else r
if info:
    click_at_xy(info["x"], info["y"])   # 模拟鼠标点击卡片 → 进入主页
    time.sleep(7)
PY

# 提取主页文本（关注/粉丝/获赞/抖音号/IP属地/性别/简介/作品数/置顶作品）

⚠️ 实测坑 1：卡片 href 为协议相对 //www.douyin.com/user/MS4w...；若用导航兜底，用 "https:" + href，不要再拼域名。 ⚠️ 实测坑 2：搜索页需等待渲染（6-7s）；当前不在搜索页需先回到搜索页。 ⚠️ 实测坑 3：点击式进入主页依赖卡片坐标，页面布局变化时坐标会偏移——点击后校验 page_info() 是否为主页（URL 含 /user/），失败则退回导航式兜底。

步骤 5：React Fiber 提取作品数据（⭐ 首选方法，mcn-dou-analysis 同款，避风控）

不依赖 hover/网络层/全局变量——抖音主页作品卡片的数据在 React 组件树（Fiber）的 awemeInfo 对象里，遍历 a[href*="/video/"] 元素向上查找 Fiber 即可一次性提取全部字段（含时长秒数），无 hover、不触发预览节流。2026-08-30 实测成功（王墨绫子 56 条，时长与 ffprobe 一致）。

// 提取所有卡片：id|标题|时长(毫秒)
(() => {
    const cards = Array.from(document.querySelectorAll('a[href*="/video/"]'));
    const seen = new Set(), rows = [];
    for (const a of cards) {
        const href = a.getAttribute('href')||'';
        const id = (href.match(/\/video\/(\d+)/)||[])[1];
        if (!id || seen.has(id)) continue;
        seen.add(id);
        let fiber = null;
        for (const k of Object.keys(a)) {
            if (k.startsWith('__reactFiber') || k.startsWith('__reactInternalInstance')) { fiber = a[k]; break; }
        }
        if (!fiber) continue;
        let node = fiber, info = null, depth = 0;
        while (node && depth < 30) {
            const mp = node.memoizedProps;
            if (mp) {
                for (const key of ['awemeInfo','data','item','aweme']) {
                    const v = mp[key];
                    if (v && typeof v === 'object' && (v.aweme_id || v.video)) { info = v; break; }
                }
            }
            if (info) break;
            node = node.return; depth++;
        }
        if (info) {
            rows.push([id, (info.desc||'').split('\n')[0].slice(0,40), info.video ? info.video.duration : null].join('|'));
        }
    }
    return rows.join('\n');   // ⚠️ 返回值有长度限制，用 slice(START, START+8) 分页取
})()

要点：

• duration 是毫秒（如 9400 = 9.4s，筛 ≥60s 用 duration >= 60000）
• js 返回值有截断限制（约 160 字符），分页取：rows.slice(START, START+8).join('\n') 循环取
• Fiber 提取不到的卡片（虚拟化差异）用 href 的 aweme_id 兜底
• 滚动加载配合：先滚动 .route-sc/route-scroll-container 容器（非 window）触发懒加载，随机间隔 13s，23 次即可

步骤 6：作品卡片 hover 识别时长 + 捕获视频直链（备选，慎用）

主页作品卡片平时不显示时长（时长角标是 hover 才渲染的视觉层），但：

1. hover 卡片 → 卡片显示预览进度 当前秒/总时长（如 00:02/00:09），即视频时长（总时长可靠）
2. hover 同时触发预览视频加载 → 网络层直接捕获 douyinvod 直链 → curl 即可下载，无需进详情页、无需 yt-dlp/cookies

# ① 模拟鼠标悬停（hover）卡片 → 时长即现
"$BH" <<'PY'
import time
# 定位目标视频卡片坐标（js 辅助定位）
r = js("""
(() => {
    const a = document.querySelector('a[href*="{视频ID}"]');
    if (!a) return [0,0];
    const b = a.getBoundingClientRect();
    return [Math.round(b.x + b.width/2), Math.round(b.y + b.height/2)];
})()
""")
v = r.get("value", [0,0]) if isinstance(r, dict) else r
if v != [0,0]:
    # 模拟鼠标移动（hover）——CDP Input.mouseMoved 即用户悬停
    cdp("Input.dispatchMouseEvent", type="mouseMoved", x=v[0], y=v[1])
    time.sleep(2)
    r2 = js("(function(){var a=document.querySelector('a[href*=\"{视频ID}\"]'); return a?a.innerText.replace(/\\n+/g,'|'):'';})()")
    print(r2.get("value","") if isinstance(r2,dict) else r2)
    # 输出如：15.2万|00:02|/|00:09|不是一见钟情...  → 总时长 00:09
PY

# ② 捕获 hover 预览触发的视频直链（douyinvod CDN）
"$BH" <<'PY'
cdp("Network.enable")
cdp("Input.dispatchMouseEvent", type="mouseMoved", x={x}, y={y})  # 再次 hover
time.sleep(3)
evs = drain_events()
urls = []
for e in evs:
    try:
        if e.get("method") == "Network.requestWillBeSent":
            u = e.get("params",{}).get("request",{}).get("url","")
            if "douyinvod" in u: urls.append(u)
    except Exception: pass
uniq = list(dict.fromkeys(urls))
# 保存最后一个（通常为完整视频流）
open("video_url.txt","w").write(uniq[-1])
PY

# ③ curl 下载（带 Referer + UA）
curl -sL -o video.mp4 -H "Referer: https://www.douyin.com/" \
  -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 Chrome/126.0.0.0 Safari/537.36" \
  "$(cat video_url.txt)" --max-time 90

# ④ ffprobe 验证：时长 + 分辨率（判断真视频 vs 图集预览）
ffprobe -v error -show_entries format=duration -show_entries stream=codec_type,width,height -of default=noprint_wrappers=1 video.mp4

⚠️ 图集 vs 真视频判定（实测坑）：

• 列表层（hover 即判型，最快）：hover 卡片显示预览进度 当前秒/总时长 → 真视频；hover 后无时长格式（只有赞+标题）→ 图集。实测：真视频《不是一见钟情》hover 显示 00:02/00:09；图集《另外，你能来总裁吗？》hover 后仅 3.8万|标题，无 MM:SS。
• 下载层（ffprobe 三要素）：图集预览：时长短（约 2-3s）、分辨率 720×960、无有效音频 → 内容为静态图轮播；真视频：分辨率 1080P/2K+ 竖屏（如 1440×2560）、有 aac 音频流、时长与 hover 显示一致
• 判定顺序：先 hover 判型（列表层直接筛掉图集），下载后再用 ffprobe 三要素复核
• hover 时长仅预览加载瞬间显示，预览播完/移开鼠标即消失——提取要在 hover 后 1-3 秒内完成

步骤 7：归档（作品数据，按账号名，无日期层）

# 账号数据：账号层
D:\MCNSkill项目\作品数据\{账号名称}\{昵称}_账号数据_{YYYY-MM-DD}.json
# 视频数据：账号层下按视频标题清洗后建文件夹（规则见 数据归档规范.md）
D:\MCNSkill项目\作品数据\{账号名称}\{视频标题清洗后}\video.mp4

{
  "date": "YYYY-MM-DD",
  "source": "browser-harness 抖音网页版",
  "account": {
    "name": "...", "douyinId": "...", "followers": "...", "totalLikes": "...",
    "bio": "...",
    "relatedAccounts": [...]   # 搜索发现的相关账号（如日常号）
  }
}

四、边界与限制

场景	处理
未登录态	搜索卡片仅公开信息；主页可获取完整累计数据（作品数/累计获赞/置顶作品）
搜索不到账号	换昵称变体（如主号/日常号）、或检查是否同名干扰
触发验证码/限流	停止操作，间隔后重试；不绕过
需完整作品列表	主页滚动加载 2~3 次收集，适度访问

五、输出模板（对用户汇报）

字段	值
昵称	...
抖音号	...
粉丝	...
累计获赞	...
简介	...
关联账号	...

六、经验沉淀关联

• 浏览器优先红线 → POLICIES.md P0-3
• 首次教训记录 → 经验方法总结.md #001

步骤 8：生成视频列表 Excel（账号层，参考 mcn-dou-analysis）

• 账号层保存 {账号名称}_视频列表_{YYYY-MM-DD}.xlsx，13 列：序号 | 视频ID | 视频标题 | 视频地址 | 点赞数 | 点赞(显示) | 评论数 | 分享数 | 收藏数 | 播放量 | 视频时长(秒) | 发布时间 | 标签
• 数据来源：Fiber 提取时长（id/标题/时长毫秒）+ 红狐 workList 补统计（likeCount/commentCount/shareCount/publishTime，按 url 中视频 ID 精确匹配）
• 排序：按发布时间倒序；收藏数/播放量无数据时留空
• 后续更新：重新 Fiber 提取 + 红狐 workList 合并，覆盖更新同名 xlsx