百度貼吧(Baidu Tieba)API:スレッド検索、フロアと返信

2026-11-21 時点の仕様に基づく

要点

百度貼吧(Baidu Tieba)API には 2 種類の非同期タスクがあります。POST /tieba/search/task はキーワードと投稿日の期間(既定は直近 7 日)で貼吧のスレッドを検索し、期間内の各スレッドについて 1 階(最初の投稿)の全文、返信数といいね数、掲示板(吧)の名前、投稿者の IP 所在地を収集します。POST /tieba/pushs/task は 1 つのスレッドの 2 階以降のすべてのフロア(スレッド内の各投稿)と、各フロア内の返信を収集します。どちらも GET でポーリングし、DONE になると同じレスポンスに新しい順のレコードが含まれます。1 回の検索で到達できるのは最大約 31 ページ(約 620 スレッド)で、期間の古い側まで届かなかった場合は depth_capped でわかります。データは百度貼吧で公開されているコンテンツをウェブクローラーで収集したものです。

機能別の API ページ

取得できるデータ

フィールドは 2026-11-21 時点の仕様に基づきます。タスクが DONE になるまでポーリングはタスクオブジェクトだけを返し、DONE になると同じレスポンスに task、total_count、data、page、pageSize が含まれます。レコードには表にないフィールドが含まれることがあり、meta_keywords、location、icon_url などの説明用フィールドは空の場合があります。

データフィールドエンドポイント
キーワード検索のスレッド id, url, title, content, tm, datetime, tm_crawler, tm_update, author, author_id, type, ctype, source, sentiment, region, comment_count, like_count, share_count, metadata_img, metadata_videos GET /tieba/search/task/{task_id}
検索タスクのステータスとカウンター task: id, keyword, status, start_date, end_date, max_pages, created_at, total, completed, pages_crawled, partial, timed_out, failed_pages, failed_articles, failed_ranges, deleted, depth_capped GET /tieba/search/task/{task_id}
スレッドのフロアとフロア内の返信 id, post_id, author_id, author, push_type, region, content, tm, tm_crawler, sentiment GET /tieba/pushs/task/{task_id}
返信タスクのステータスとカウンター task: id, post_url, status, crawl_second_layer, created_at, total, completed, pages_crawled, reported_total, partial, timed_out, failed_pages, failed_batches, tid, title, forum GET /tieba/pushs/task/{task_id}

エンドポイント一覧

Base URL は https://api.infominer.io/api/v2 です。API キーは auth-header リクエストヘッダーで送信します。* の付いたパラメーターは必須です。

メソッドパス説明主なパラメーター
POST /tieba/search/task スレッドのキーワード検索タスクを作成します。期間とページ上限を指定できます。 keyword* end_date max_pages rerun start_date
GET /tieba/search/task/{task_id} 検索タスクをポーリングします。DONE でスレッドと total_count を返します(1 ページ最大 100 件)。 task_id* page pageSize
POST /tieba/pushs/task スレッドの URL から返信タスクを作成します。2 階以降のフロアと、任意でフロア内の返信を収集します。 post_url* crawl_second_layer max_pages rerun
GET /tieba/pushs/task/{task_id} 返信タスクをポーリングします。DONE でフロアと返信を返します(1 ページ最大 1000 件)。 task_id* page pageSize

データ取得の流れ

  1. POST /tieba/search/task に keyword(1〜100 文字)と、任意の start_date・end_date(YYYY-MM-DD、UTC+8、当日を含む。既定は直近 7 日)、max_pages(0〜31。0 または省略で 31、1 ページ 20 スレッド)を指定します。ページ全体が start_date より古くなった時点でタスクは早めに終了します。
  2. GET /tieba/search/task/{task_id} でポーリングします。3〜5 秒おきにポーリングし、全体の期限を設けてください。ステータスは INIT、RUNNING、DONE、PARTIAL、TIMED_OUT(600 秒以上進捗なし)、FAILED です。データを含むのは DONE のレスポンスだけで、それ以外はタスクオブジェクトのみを返します。DONE 前は status、DONE 後は task.status を読みます。完全に成功したのは、status が DONE で partial と timed_out がともに false の場合です。deleted は、一覧に出たものの収集時点で削除・非表示になっていたスレッドの数で、失敗ではありません。
  3. DONE になったら data からスレッドを page と pageSize(1 ページ最大 100 件)で読みます。depth_capped が true なら、期間の始まりに届く前に貼吧の検索ページが尽きています。期間を細かく分けてタスクを作成してください。
  4. スレッドの議論が必要なときは、tieba.baidu.com または m.tieba.baidu.com の /p/{スレッド ID} の URL で POST /tieba/pushs/task を作成します。max_pages はフロアのページ数の上限(0〜500。0 または省略で 100、1 ページ 30 フロア)、crawl_second_layer(既定 true)でフロア内の返信も収集します。pageSize 最大 1000 で読みます。

curl の例

キーワード検索タスクを作成

curl -X POST https://api.infominer.io/api/v2/tieba/search/task \
  -H "auth-header: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"keyword": "公路车", "start_date": "2026-06-01", "end_date": "2026-06-07", "max_pages": 3}'

タスク ID でポーリング

curl "https://api.infominer.io/api/v2/tieba/search/task/$TASK_ID?page=1&pageSize=100" \
  -H "auth-header: YOUR_API_KEY"

スレッド URL から返信タスクを作成

curl -X POST https://api.infominer.io/api/v2/tieba/pushs/task \
  -H "auth-header: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"post_url": "https://tieba.baidu.com/p/10000000001", "crawl_second_layer": true, "max_pages": 2}'

サンプル JSON

以下は手作業で作成したサンプルデータ(架空)です。アカウントは sample_user_n、ID は明らかな仮の値で、実在の投稿ではありません。

タスク作成時のレスポンス:サンプルデータ(架空)

{
  "id": "00000000-0000-4000-8000-000000000001",
  "keyword": "公路车",
  "status": "INIT",
  "start_date": "2026-06-01",
  "end_date": "2026-06-07",
  "max_pages": 3,
  "created_at": 1780880400,
  "total": 0,
  "completed": 0,
  "pages_crawled": 0,
  "deleted": 0,
  "depth_capped": false,
  "timed_out": false,
  "partial": false,
  "failed_pages": 0,
  "failed_articles": 0,
  "failed_ranges": 0
}

タスク完了後のポーリングレスポンス:サンプルデータ(架空)

{
  "task": {
    "id": "00000000-0000-4000-8000-000000000001",
    "keyword": "公路车",
    "status": "DONE",
    "start_date": "2026-06-01",
    "end_date": "2026-06-07",
    "max_pages": 3,
    "created_at": 1780880400,
    "total": 2,
    "completed": 2,
    "pages_crawled": 1,
    "deleted": 0,
    "depth_capped": false,
    "timed_out": false,
    "partial": false,
    "failed_pages": 0,
    "failed_articles": 0,
    "failed_ranges": 0
  },
  "total_count": 2,
  "data": [
    {
      "id": "00000000-0000-4000-8000-000000000001",
      "url": "https://tieba.baidu.com/p/10000000001",
      "title": "入门公路车预算五千,大家帮忙看看这两款",
      "content": "平时通勤加周末骑行,身高 175,主要在两款之间犹豫,想听听吧友的意见",
      "tm": 1780666200,
      "datetime": "2026-06-05 21:30:00",
      "tm_crawler": 1780880404,
      "tm_update": 1780880404,
      "author": "sample_user_1",
      "author_id": "0000000001",
      "type": [
        "骑行"
      ],
      "ctype": [
        "骑行"
      ],
      "source": "tieba",
      "sentiment": "Neutral",
      "region": "江苏",
      "comment_count": 3,
      "like_count": 5,
      "share_count": 0,
      "metadata_img": [],
      "metadata_videos": []
    },
    {
      "id": "00000000-0000-4000-8000-000000000002",
      "url": "https://tieba.baidu.com/p/10000000002",
      "title": "公路车周末环湖骑行记录,风景很好",
      "content": "公路车周末环湖骑行记录,风景很好",
      "tm": 1780452000,
      "datetime": "2026-06-03 10:00:00",
      "tm_crawler": 1780880408,
      "tm_update": 1780880408,
      "author": "sample_user_2",
      "author_id": "0000000002",
      "type": [
        "骑行"
      ],
      "ctype": [
        "骑行"
      ],
      "source": "tieba",
      "sentiment": "Positive",
      "region": "浙江",
      "comment_count": 8,
      "like_count": 12,
      "share_count": 1,
      "metadata_img": [
        "https://tiebapic.baidu.com/forum/pic/item/sample_1.jpg"
      ],
      "metadata_videos": []
    }
  ],
  "page": 1,
  "pageSize": 100
}

投稿とコメントの関連付け

返信タスクはスレッドの URL から作成します。各レコードの post_id はスレッドのドキュメント ID で、検索結果での同じスレッドの id と一致します。push_type はフロアが comment、フロア内の返信が reply です。1 階(スレッド本体)は返信データに含まれず、その本文は検索タスクが返すスレッドの content です。タスクのオブジェクトには tid、スレッドのタイトルと掲示板名、貼吧が表示する返信数 reported_total が含まれます。data にはそのスレッドについて収集済みのすべての返信(以前のタスクの分を含む)が入るため、total_count と task.completed は一致しないことがあります。

取得期間と制限

  • 1 回の検索で到達できるのは最大約 31 ページ、約 620 スレッドです。期間の古い側まで届かなかった場合は depth_capped が true になるので、期間を細かく分けてください。
  • 検索の対象はスレッドのタイトルと 1 階のみです。キーワードが返信にしか出てこないスレッドは一覧に出ません。一覧に出ても本文にキーワードがそのまま含まれないスレッドは、data に入らないことがあります。
  • フロア内の返信は 1 フロアあたり最大 600 件(30 件 × 20 ページ)です。
  • フロア内の返信の region(IP 所在地)は常に空です。スレッドとフロアには、貼吧が表示している場合に入ります。
  • 数千フロアあるスレッドのフロアと返信をすべて収集すると数分以上かかることがあるため、大きなスレッドでは max_pages を指定してください。
  • data はその期間に収集済みのデータに対するキーワード一致で、以前のタスクの結果も含むため、total_count が task.completed を上回ることがあります。このタスクで収集した件数は task.completed です。いいね数・コメント数は収集時点の値です。自動では更新されないため、最新の値が必要なら新しいタスクを作成してください。検索で遡れる期間はプロジェクトの範囲に応じて確認します。
収集方法:各プラットフォームで公開されているコンテンツをウェブクローラーで収集しています。ご利用目的に適するかどうかは、用途と法域に応じて買い手側の法務部門でご判断ください。収集元と収集方法の説明はご提供できます。

納品形式

JSON で返します。検索とコメントのタスクは DONE になるとポーリングレスポンスにレコードが含まれ、page と pageSize でページングします(検索は 1 ページ最大 100 件、コメントは最大 1000 件)。バッチファイルなどその他の納品方法はプロジェクトの範囲に応じて確認します。

トライアルの申し込み

下の申込フォームに百度貼吧と明記し、追いたいキーワード、掲示板(吧)やスレッド、フロアと返信の要否、想定データ量をお知らせください。範囲を確認し、トライアルと API キーの進め方についてご連絡します。

フォームにご記入のうえ、トライアルをお申し込みください。担当者が範囲を確認のうえ、トライアルと連携の進め方をご返信します。

申込フォームに記入する

よくある質問

貼吧の検索 1 回で何スレッド取得できますか?
1 ページ 20 スレッドで最大約 31 ページ、約 620 スレッドです。depth_capped が true なら期間の古い側まで届いていないため、期間を細かく分けてタスクを作成してください。
貼吧の検索は返信の中も対象ですか?
いいえ。検索の対象はスレッドのタイトルと 1 階のみで、キーワードが返信にしか出てこないスレッドは一覧に出ません。
返信タスクに 1 階が含まれないのはなぜですか?
1 階はスレッド本体だからです。その全文は検索タスクが返すスレッドの content に入っています。返信タスクが返すのは 2 階以降のフロアとフロア内の返信です。
HTTP エラーコードの意味は?
HTTP 400 はリクエストの形式エラー(keyword がない、start_date が end_date より後など)、401 はキーがないか無効、403 はこのプラットフォームへのアクセス権がないキー、404 は存在しないタスク ID、422 はクローラー側が受け付けなかったリクエスト(別サイトの URL、範囲外の max_pages など)で、タスクは作成されません。500 と 502 は間隔を空けて再試行し、503 は Retry-After の後に再試行します。
百度貼吧のスクレイピング API ですか?データはどのように収集していますか?
はい。百度貼吧で公開されているコンテンツを LargitData がウェブクローラーで収集し、API から JSON で返します。お客様側でスクレイパーを運用する必要はありません。当社は百度貼吧と提携しておらず、百度貼吧自身が提供する API ではありません。ご利用目的に適するかどうかは、用途と法域に応じて買い手側の法務部門でご判断ください。収集元と収集方法の説明はご提供できます。