影刀RPA实操指南：快手视频与评论数据批量采集实战

做短视频账号分析或者竞品内容调研的人应该都懂，快手一个视频下面几百上千条评论，光看播放量、点赞数还行，想批量把视频数据和评论内容抓下来做表格分析，手动复制粘贴一晚上也就干几十条。这篇讲怎么用影刀RPA把快手视频列表数据和评论内容一次采齐：自动打开主页、循环提取视频数据、逐条进详情页抓评论、去重后写入Excel。我是非技术出身，靠影刀RPA做了两年多采集，快手这套流程里滚动加载、哈希class定位、评论增量去重这几个坑我都踩过，解法全部写在这篇里。

快手和抖音一样是无限滚动页面，没有页码可以翻，采集逻辑的核心是「滚动一轮、提取一轮」的增量思路。另外快手的评论抽取按钮藏在详情页里，涉及新标签页的对象切换，这个细节处理不好，流程会出现「指令执行了但页面没反应」的假死状态，后面单独讲。

认识与安装：先把环境跑起来

影刀RPA从官网下载客户端，注册账号后就能用，社区版每天有运行时长限制，快手采集这种单次半小时内能跑完的任务够用，量大的话再考虑创业版。装完客户端第一件事是装浏览器扩展，Chrome和Edge都支持，扩展装好后浏览器右上角会出现影刀图标，这一步没做好后面所有网页指令都会报定位失败。

新建应用：客户端点「新建应用」→「桌面应用」，命名「快手视频评论采集」。编辑器分三块：左侧指令面板搜索指令，中间流程画布拖拽排序，右侧详情面板填参数。所有参数都在右侧面板设置，比如「打开网页」指令选中后，URL填快手创作者或用户主页地址，打开方式下拉选「新建标签页」。

运行时有一条铁律：流程跑起来别碰鼠标键盘。影刀的模拟模式是真实移动你的鼠标去点击，你一动流程就乱，这是新手最常见的事故，没有之一。

元素定位四合一：哈希class下的捕获与改写

快手页面的class名大量带构建哈希，直接用捕获出来的元素，过几天页面一更新就集体失效。四种定位手段在这里的配合顺序是：先捕获，再进元素编辑器删掉哈希节点，XPath改写，CSS补充，正则做文本清洗。

捕获操作：点顶部工具栏「捕获元素」按钮，浏览器自动跳转，鼠标移到视频卡片上出现橙色边框后点击确认。进元素编辑器逐级检查，凡是class里带长随机串的节点，把class条件删掉，改用父容器加子元素位置来约束，校验结果数量为1才算过关。

# 捕获元素：快手视频列表单个视频卡片（class前缀匹配避开哈希尾巴） //div[starts-with(@class,"video-card")] # 模糊匹配：定位视频标题链接 //*[contains(text(),"播放")]/ancestor::div[1]//a # 参照物定位：通过"赞"文本找到它旁边的点赞数 //*[contains(text(),"赞")]/following-sibling::*[1] # 层级定位：评论详情页里取评论内容，限定在评论容器内防止抓到推荐流 //div[starts-with(@class,"comment")]//*[contains(@class,"content")]

CSS选择器做并列对照：[class^="video-card"]前缀匹配和XPath的starts-with效果一样，div[class*="author"]匹配class含author的元素。选型记住一条：同层属性筛选两者都能干，需要跨层级找父级、找兄弟时只能XPath。正则负责抓回来的文本清洗，评论里混着@用户和表情占位，用正则把@\S+删掉再入库。

变量与数据类型：采集数据的装载结构

这个流程要维护的核心变量五个：视频列表（列表）、当前视频（字典）、评论累计条数（数字）、滚动轮次（数字）、是否到底（布尔）。视频字典建议固定键名：标题、播放量、点赞数、发布时间、评论数，键名全小写，后续写入Excel按键取值不会乱。

两个数据类型的坑提前交代。一是播放量抓回来是「1.2万」这类文本，直接用「转换为数字类型」指令会报错，要先判断是否含「万」，含的话乘以10000再转。二是评论里的时间字段有的视频没有，字典取值前先判断键存在，不存在给默认空字符串，否则流程跑到一半崩掉你都不知道崩在第几条。

JSON在快手场景的用法是接口采集：F12能找到视频数据接口返回JSON，用JSON解析处理后写入表格，速度比页面抓取快一个量级。但接口参数有时效性，隔一阵就变，页面采集慢一点但稳，新手先把页面这条路线跑通。

流程控制：滚动加载与双层循环设计

快手视频列表和评论区都是无限滚动，循环结构用双层：外层管滚动加载，内层管增量提取。

1. 外层While循环，条件是「视频累计数小于目标数」且「滚动轮次小于50轮」

2. 循环体第一步「滚动网页」，location选「bottom」，behavior选「instant」

3. 等待1秒，用「获取相似元素列表」重新抓当前已渲染的视频卡片

4. 列表长度和上一轮相同说明到底了，置「是否到底」为假退出

6. 内层For遍历新增部分，提取字段追加进数据列表，更新计数

防死循环的保险丝必须装。While条件里滚动轮次上限50轮是硬约束，我曾经见过一个流程滚动到两百多轮还在跑，浏览器内存直接被撑爆。两个条件任意一个满足就退出，这是所有采集流程的保命设置。

条件判断和异常处理的标准搭配：「判断元素是否存在」的If放在滚动之前，视频容器不在了说明页面结构变了或者被跳转登录页，直接输出日志告警退出。每轮滚动包在Try-Catch里，Catch里「输出日志」记录轮次和报错信息后继续下一轮，别让一条评论的异常废掉整个任务。

网页自动化：新标签页切换是快手采集的最大坑

从视频列表点进详情页会开新标签页，这是快手流程里最容易翻车的地方。后续指令必须作用在新页面上，正确做法是点进详情页后用「获取已打开的网页对象」按URL特征重新获取网页对象存成新变量，评论抓完「关闭标签页」，外层循环自然回到列表页继续点下一个。这个对象切换我第一次做的时候没处理，流程看起来每步都执行了，Excel里却一条数据都没有，排查了一下午才发现指令全打在旧标签页上。

弹窗处理用五步标准顺序：回车、Esc、刷新网页、点空白处、Tab加回车。快手的登录引导弹窗用Esc就能关掉，更稳妥的做法是流程开头先「判断元素是否存在」检测登录弹窗，存在就先关再开始采集。还有一种盲点弹窗，点它会跳转新页面，处理思路是先记录标签页总数，操作后数量变多就关掉新页回原页。

等待策略别用死等：固定的「等待几秒」在网速波动下要么等不够要么白等。正确姿势是「等待元素出现」指定评论容器，超时设5到10秒，元素真出现了立刻往下走，既稳又快。

数据处理：Excel写入与增量去重

落Excel的标准动作：「打开Excel工作簿」建当天文件，工作表头写死「标题、播放量、点赞、评论数、发布时间」，循环内「写入行数据到表格」逐条追加，全部写完「关闭工作簿」释放文件。评论单独一个工作表或者单独文件，字段是「视频标题、昵称、评论内容、点赞数、时间」。

去重是滚动采集的必修课。已渲染的视频和评论会一直留在DOM里，每轮「获取相似元素列表」抓回来的是累积列表，直接全量写入必然重复。按数据量选方案：

Python去重节点我封装了两年没改过，输入输出都写在注释里：

defmain(args):# 输入：items_list，本轮抓到的字典列表（视频或评论通用）# 输出：new_list，去掉已见重复后的增量数据seen=globals().get('seen_set',set())# 跨轮次复用已见指纹集合new_list=[]foritinitems_list:key=(it.get('标题',''),it.get('昵称',''))# 组合字段做指纹ifkeynotinseen:seen.add(key)new_list.append(it)globals()['seen_set']=seen# 存回全局供下一轮使用returnnew_list

鼠标键盘图像：展开回复与图像兜底

主评论靠元素定位抓，折叠的二级回复需要点「展开N条回复」，按钮文本动态变化，用contains匹配「展开」二字定位，点击用模拟模式，点完等1秒让回复展开再抓。个别元素包在特殊容器里死活定位不到，退到图像识别兜底：截图按钮、图像点击、锚点选middleCenter。图像识别对分辨率和缩放比例敏感，只在固定环境跑没问题，换电脑要重新截图。

OCR的辅助用途是把评论里的图片型内容识别成文字当备注存，识别率一般，别当主数据用。

进阶技能与系统联动

进阶路线两条。一是「HTTP 请求」指令直接调快手的数据接口，效率是页面采集的十倍，前提是能从F12的Network面板定位到接口并搞定参数，这个能力需要一点抓包基础。二是用pandas做后处理：按点赞数排序、按关键词过滤、日环比计算，几百行数据循环处理和pandas处理速度差一个数量级。

系统联动把成果推出去：飞书多维表格写入指令把每天的视频数据同步成共享看板，团队里不用开Excel就能看；配合定时任务每天固定时间跑，跑完发一条飞书消息报「本次采集N条视频、M条评论」，出差也能掌握采集状态。

工程化规范：子流程拆分与调试

这套流程我拆成五个子流程：「01_打开快手主页」「02_滚动加载视频列表」「03_提取视频数据」「04_逐条进详情抓评论」「05_去重写入Excel」，主流程就是While循环串02到04，职责单一，改哪块不影响哪块。命名用编号前缀，指令列表里一眼看清执行顺序。

调试技巧：右键指令加断点单步执行，重点盯两个变量——相似元素列表的长度和滚动轮次。长度不涨说明懒加载断了，轮次异常增长说明保险丝没生效。日志分三层：轮次开始打「第N轮，列表M条」，轮次结束打「新增K条」，结束打总数，出错翻日志就能定位到轮次，不用重跑。

易错速查表

学习资源与延伸阅读

滚动加载、相似元素循环、网页对象切换这几块，官方指令文档里都有单独的帮助页，参数说明看文档最准。这套快手视频与评论采集的完整流程源码我放在代码仓库 home.linyan.cloud，可以直接参考改造，滚动轮次、目标采集条数、输出字段都留了参数位，换成你的需求改三个变量就能用。

#影刀RPA #RPA自动化 #快手采集 #数据采集 #批量采集

作者：林焱