百度貼吧 API:貼文搜尋、樓層與樓中樓回覆
依 2026-11-21 規格整理
快速解答
百度貼吧 API 有兩種非同步任務。POST /tieba/search/task 以關鍵字與發文日期區間(預設最近 7 天)搜尋貼吧貼文,並為區間內每篇貼文蒐集一樓全文、回覆數與按讚數、所屬吧名,以及發文者的 IP 所在地。POST /tieba/pushs/task 蒐集單篇貼文從二樓起的所有樓層,以及每層的樓中樓回覆。兩者都以 GET 輪詢,DONE 時同一個回應帶回資料,由新到舊排列。一次搜尋最多約 31 頁(約 620 篇),沒有涵蓋到日期區間前段時,depth_capped 會標示出來。資料以網路爬蟲蒐集百度貼吧公開發布的內容。
依功能分類的 API 頁面
可取得的資料
欄位依 2026-11-21 規格。任務還沒 DONE 時,輪詢只回傳任務物件;DONE 後同一個回應帶回 task、total_count、data、page 與 pageSize。資料列可能帶有表列以外的欄位,meta_keywords、location、icon_url 等描述欄位可能是空值。
| 資料 | 欄位 | 端點 |
|---|---|---|
| 關鍵字搜尋的貼文 | 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} |
| 搜尋任務的狀態與計數 | 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} |
| 貼文的樓層與樓中樓回覆 | id, post_id, author_id, author, push_type, region, content, tm, tm_crawler, sentiment | GET /tieba/pushs/task/{task_id} |
| 回覆任務的狀態與計數 | 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} |
端點一覽
Base URL 為 https://api.infominer.io/api/v2,每個請求以 auth-header 標頭帶 API 金鑰。主要參數中標示 * 者為必填。
| 方法 | 路徑 | 說明 | 主要參數 |
|---|---|---|---|
| POST | /tieba/search/task |
建立貼文關鍵字搜尋任務,可指定日期區間與最多爬取頁數。 | keyword* end_date max_pages rerun start_date |
| GET | /tieba/search/task/{task_id} |
輪詢搜尋任務;DONE 時回傳貼文與 total_count,每頁最多 100 筆。 | task_id* page pageSize |
| POST | /tieba/pushs/task |
以貼文網址建立回覆任務:二樓以後的樓層,可一併蒐集樓中樓回覆。 | post_url* crawl_second_layer max_pages rerun |
| GET | /tieba/pushs/task/{task_id} |
輪詢回覆任務;DONE 時回傳樓層與回覆,每頁最多 1000 筆。 | task_id* page pageSize |
取資料流程
- POST /tieba/search/task 帶 keyword(1 到 100 字),可選 start_date、end_date(YYYY-MM-DD,UTC+8,含當日;預設最近 7 天)與 max_pages(0 到 31;0 或省略為 31,每頁 20 篇)。整頁都早於 start_date 時,任務會提早結束。
- GET /tieba/search/task/{task_id} 輪詢。每 3 到 5 秒輪詢一次,並設定整體的等待期限。狀態有 INIT、RUNNING、DONE、PARTIAL、TIMED_OUT(超過 600 秒沒有進度)與 FAILED。只有 DONE 的回應帶資料,其他狀態只回傳任務物件;DONE 之前讀 status,DONE 之後讀 task.status。status 為 DONE 且 partial、timed_out 都是 false,才算完全成功。deleted 是列表上出現、但蒐集時已被刪除或隱藏的貼文數,不算失敗。
- DONE 後以 page、pageSize(每頁最多 100 筆)讀取 data 裡的貼文。depth_capped 為 true 代表貼吧的搜尋頁在涵蓋到區間起點前就用完了,請把日期區間拆小再建立任務。
- 要看某篇貼文的討論時,以 tieba.baidu.com 或 m.tieba.baidu.com 的 /p/{貼文 ID} 網址 POST /tieba/pushs/task。max_pages 限制樓層頁數(0 到 500;0 或省略為 100,每頁 30 層),crawl_second_layer(預設 true)會一併蒐集樓中樓回覆。以 pageSize 最多 1000 讀取。
curl 範例
建立關鍵字搜尋任務
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}'
以任務 ID 輪詢
curl "https://api.infominer.io/api/v2/tieba/search/task/$TASK_ID?page=1&pageSize=100" \
-H "auth-header: YOUR_API_KEY"
以貼文網址建立回覆任務
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}'
示意 JSON 樣本
以下為人工撰寫的示意資料:帳號為 sample_user_n,ID 為明顯的假值,不是真實貼文。
建立任務的回應(示意資料)
{
"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
}
任務完成後的輪詢回應(示意資料)
{
"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
}
貼文與留言如何關聯
回覆任務以貼文網址建立。每筆資料的 post_id 是貼文的文件 ID,與搜尋結果中同一篇貼文的 id 相同。push_type 為 comment 是樓層,reply 是樓中樓回覆。一樓(貼文本身)不在回覆資料裡,它的全文就是搜尋任務回傳貼文的 content。任務物件帶有 tid、貼文標題與吧名,以及貼吧顯示的回覆數 reported_total。data 包含這篇貼文所有已蒐集的回覆(含先前任務蒐集的),所以 total_count 與 task.completed 不一定相同。
歷史範圍與限制
- 一次搜尋最多約 31 頁,約 620 篇貼文。沒有涵蓋到日期區間前段時 depth_capped 為 true,請把區間拆小。
- 搜尋只比對貼文標題與一樓內容;關鍵字只出現在回覆裡的貼文不會被列出。列表上出現、但內文沒有完整包含關鍵字的貼文,也可能不在 data 裡。
- 每層樓中樓回覆最多 600 則(每頁 30 則、20 頁)。
- 樓中樓回覆的 region(IP 所在地)一律為空值;貼文與樓層在貼吧有顯示時才會帶。
- 蒐集數千層貼文的所有樓層與樓中樓,可能需要數分鐘以上,大型貼文請設定 max_pages。
- data 是對該日期區間內所有已蒐集資料的關鍵字比對,包含先前任務的結果,所以 total_count 可能大於 task.completed;這個任務實際蒐集的筆數是 task.completed。按讚數與留言數是蒐集當下的數值。這些數值不會自動更新,需要最新數字時請建立新任務。搜尋可回溯的期間依專案範圍確認。
交付格式
API 回應為 JSON。搜尋與留言任務在 DONE 後由輪詢回應帶回資料,以 page、pageSize 分頁(搜尋每頁最多 100 筆,留言最多 1000 筆)。批次檔案或其他交付方式,依專案範圍確認。
申請試用
填寫下方申請表單時,請註明百度貼吧,並說明要追的關鍵字、吧名或貼文、是否需要樓層與樓中樓回覆,以及預估資料量。我們會確認範圍,並回覆試用與 API 金鑰的安排。
填寫表單申請試用,專人確認範圍後回覆試用與介接安排。
填寫申請表單常見問題
- 一次貼吧搜尋可以拿到幾篇貼文?
- 每頁 20 篇、最多約 31 頁,約 620 篇。depth_capped 為 true 時代表沒有涵蓋到日期區間前段,請把區間拆小再建立任務。
- 貼吧搜尋會比對回覆的內容嗎?
- 不會。搜尋只比對貼文標題與一樓內容,關鍵字只出現在回覆裡的貼文不會被列出。
- 為什麼回覆任務裡沒有一樓?
- 一樓就是貼文本身,它的全文在搜尋任務回傳貼文的 content;回覆任務回傳的是二樓以後的樓層與樓中樓回覆。
- HTTP 錯誤碼代表什麼?
- HTTP 400 是請求格式錯誤(例如缺少 keyword,或 start_date 晚於 end_date);401 是金鑰缺漏或無效;403 是金鑰沒有這個平台的存取權;404 是任務 ID 不存在;422 是爬蟲服務不接受這個請求(例如網址不是該平台,或 max_pages 超出範圍),任務不會建立。500 與 502 請間隔一段時間重試,503 請在 Retry-After 之後重試。
- 這是百度貼吧爬蟲 API 嗎?資料是怎麼蒐集的?
- 是。資料由大數軟體以網路爬蟲蒐集百度貼吧公開發布的內容,再透過 API 以 JSON 回傳,您不需要自行維護爬蟲。大數軟體與百度貼吧沒有隸屬或合作關係,這也不是百度貼吧自己提供的 API。是否適用於您的用途,依用途與法域由買方法務評估,我們可提供來源與蒐集方式說明。