douyin-scraper — douyin-抓取器
v1.0.0抖音图文笔记采集工具。搜索关键词 → 自动筛选「图文·一周内」→ Playwright 截图（绕过反爬虫）→ BAIdu OCR 识别图片文字 → 输出 Markdown 报告（含热度评分）。当用户提到"抖音图文采集"、"抖音笔记抓取"、"抖音爬虫"、"抖音内容采集"等场景时加载此技能。
by 运行时依赖
安装命令
点击复制本土化适配说明
douyin-scraper 安装说明： 安装命令：npx clawhub@latest install douyin-scraper 该技能用于抖音相关操作，可能需要相应的平台账号或API密钥
技能文档
douyin-抓取器
抖音图文笔记采集工具 —— 一条命令完成：搜索 → 筛选图文 → 截图 → OCR → Markdown 报告。
⚠️ 前置配置
- 安装依赖
- 配置 BAIdu P添加leOCR 令牌
在技能目录创建 .env：
BAIDU_P添加LEOCR_令牌=你的令牌
获取 令牌：访问 百度 AI Studio，免费注册，每天 1 万次免费调用。
- 登录抖音（只需一次）
浏览器打开抖音，扫码登录后关闭。登录状态自动保存，后续无需重复操作。
使用 # 采集 10 篇图文笔记（含 OCR） python <技能_path>/scripts/full_工作流.py --keyword "韩国医美"
# 指定数量 python <技能_path>/scripts/full_工作流.py --keyword "减肥餐" --count 5
# 跳过 OCR（仅截图） python <技能_path>/scripts/full_工作流.py --keyword "咖啡" --no-ocr
参数 说明 默认值 --keyword 搜索关键词 必填 --count 采集笔记数量 5 --no-ocr 跳过 OCR 关闭 输出
报告保存至 输出/notes_{keyword}_{timestamp}.md，图片保存至 data/images/。
每篇笔记包含：
🔥 热度分数（点赞数 / 发布天数）及计算公式 👍 点赞数、发布时间、作者、原文链接 📝 原文描述 🔍 OCR 识别的图片文字（支持多图） 🖼️ 本地截图路径 技术特点 Playwright 截图：通过 element.screenshot() 截取内容图，绕过抖音图片 URL 反爬虫 图文过滤：自动识别并跳过视频，只采集「图文」类型笔记 OCR 噪音过滤：自动去除截图中的抖音导航栏文字（精选/推荐/关注 等） 多图支持：一篇图文多张图片逐张截图 + OCR，合并识别结果 反检测：有头浏览器（headless=False）+ 拟人操作节奏，避免触发验证码 热度公式：likes / days_ago，越新越热排越前 目录结构 douyin-抓取器/ ├── scripts/ │ ├── full_工作流.py # 主流水线 │ └── 记录in.py # 登录脚本 ├── data/ │ └── images/ # 截图 ├── 输出/ # Markdown 报告 ├── 性能分析/ # 浏览器登录状态 └── .env # 令牌 配置