/trigger 端点可在单个任务中抓取超过建议的 20 个 URL、运行发现型采集,或将结果投递到 webhook 或云存储。所有 Bright Data 抓取器的工作流程都相同:触发、轮询、下载,只有 dataset_id 不同。
先决条件
- 拥有有效 API 密钥的 Bright Data 账户
- 目标抓取器的
dataset_id,见下表 - 熟悉对应抓取器的同步请求流程,例如LinkedIn Scraper API 端点
我应该使用哪个 dataset ID?
每个抓取器都有各自的dataset_id。本页示例按用户名发现 Instagram 个人资料(gd_l1vikfch901nx3by4)。请替换为您所抓取平台的 ID。
每个抓取器提供多个端点,例如 Amazon 的商品、评论和卖家分别拥有不同的 ID。完整列表见各平台的介绍页,也可在抓取器库中浏览全部 ID。
如需所有预构建抓取器的 dataset ID(包括没有介绍页的网站),请读取 scrapers.json。该文件列出每个抓取器的 dataset ID、名称、域名和采集方法,每天更新。scrapers-full.json 还包含每种采集方法的输入 schema 和输出字段。如需通过 API 获取这些详情,请使用 API key 调用获取所有采集器。
步骤 1:触发采集
向/trigger 端点发送 POST 请求,请求体为包含输入的对象:
snapshot_id 的 200 响应:
步骤 2:监控进度
轮询快照状态直到显示ready;如果显示 failed 或 canceled,则停止轮询。根据 URL 数量,这需要 30 秒到几分钟不等。
步骤 3:下载结果
当状态为ready 时,下载已抓取的数据:
使用 webhook 跳过轮询
如果不想轮询状态,可添加endpoint 参数以自动接收结果:
限制与约束
Scraper API 的输入大小、运行中任务、下载和投递限制汇总在 Scraper API 限制的一张表中。deadline 查询参数设置触发请求在返回错误前等待的时长:3m、15min、2h 等时长,或 2026-09-30T18:00:00.000Z 等 ISO 时间戳。不设置时请求立即返回 snapshot_id。
限制每个输入的记录数
运行发现型采集时,您可以为每个输入设置返回结果的数量上限。在 API 中,请在请求体中与input 并列设置 limit_per_input。
设置 "limit_per_input": 10 时,每个输入最多返回 10 条记录。
故障排除
Scraper API HTTP 错误和记录错误的含义,请参见 Scraper API 错误代码。收到 429 Too Many Requests 错误?
当超过并发任务上限(5,000 个活动任务或快照)时,您会收到429 Too Many Requests。任何 IP 在 5 分钟内收到 25 次及以上 429 响应就会被 Bright Data 列入黑名单,被列入黑名单的 IP 的所有 API 请求都会被拦截,直到支持团队解除。因此 429 是要求放慢速度的信号,而不是立即重试的信号。
- 收到 429 后立即停止发送新请求。
- 重试前先等待:若存在
Retry-After标头,等待其指定的秒数;否则按 2、4、8、16、32 秒指数退避。 - 如果 429 持续出现,请降低并发;说明您已超出上限。
快照状态显示 failed?
请检查所有输入 URL 对所调用的抓取器是否有效。将 LinkedIn URL 发送到 Amazon 的dataset_id 会失败。可在快照响应或 Bright Data 控制面板的日志页中查看错误详情。
结果不完整或缺少部分 URL?
部分 URL 可能单独失败,而整体任务仍然成功。请检查快照响应中的errors 字段,并在单独的请求中重试失败的 URL。
常见问题
一次异步请求可以发送多少个 URL?
异步请求每个任务最多接受 1 GB 输入数据,相当于数万个 URL。Bright Data 建议在 URL 不超过 20 个且希望在同一响应中获得结果时使用同步端点。20 个 URL 是最佳实践,而非硬性限制。每个平台都需要不同的 dataset ID 吗?
需要。dataset_id 查询参数同时决定平台和端点,例如 Amazon 商品与 Amazon 评论。上表列出了各平台的主要 ID,其余 ID 见各平台的介绍页。