parsed_light 模式下运行 site:instagram.com "your keyword" 风格的查询,从每个响应中获取前 10 个有机链接,按平台对其进行分类,并异步触发匹配的社交爬虫。最后,你将获得每个平台的一个快照,可以交付给 S3 或 webhook。
我们在触发步骤处停止。将快照路由到存储是一个交付配置更改,本系列中的其他两个教程已经涵盖。
你将构建什么
一个 Python 脚本,可以:- 为你的关键词运行三个 SERP API 查询,每个平台一个
- 从每个
parsed_light响应中读取前 10 个有机结果 - 将每个链接分类为 Instagram 帖子、TikTok 视频或 X 帖子
- 为每个平台的 URL 列表触发匹配的 Bright Data 社交爬虫
- 打印每个平台的一个快照 ID
前置条件
- 一个 Bright Data 账户,带有 API 密钥(获取你的密钥)
- 在控制面板中创建的 SERP API 区域。按照 SERP API 介绍操作一次,然后使用区域名称返回
- 本地安装的 Python 3.9+
第 1 部分:设置项目
创建一个新文件夹并放入requirements.txt:
requirements.txt
第 2 部分:使用 SERP API 发现提及
SERP API 是一个单一 REST 端点:POST https://api.brightdata.com/request。你提供一个区域名称和一个 Google 搜索 URL,它返回该查询的 SERP。传递 data_format: "parsed_light",你会获得一个紧凑的 JSON 有效载荷,只包含前 10 个有机结果,无广告、无知识面板、无需你这边进行解析。
创建 listen.py 并从发现步骤开始:
listen.py
data_format: "parsed_light"是关键。它告诉 SERP API 仅返回前 10 个有机结果在一个紧凑的organic数组中,跳过广告和知识面板。更快的响应,更少的数据需要分类。format: "raw"在data_format旁边是必需的。它指的是外部 HTTP 响应信封,而不是解析的有效载荷。SERP API 文档详细说明了这一点。timeout=180的设置很慷慨。大多数 SERP API 调用在不到一秒内返回,但在 Google 速率限制期间,单个查询有时可能需要更长时间。每次三秒的预算使脚本保持稳健,同时又不浪费。
第 3 部分:按平台对 URL 进行分类
每个 SERP 响应给你一个organic 数组,每个条目都有一个 link 字段指向真实的帖子 URL。你需要对这些链接进行分类,以便每个爬虫只获得它理解的 URL。
将这些助手添加到 listen.py:
listen.py
https:// URL,而不是个人资料页面或主题页面。像 instagram.com/tiktok 这样的个人资料 URL 被拒绝,因为本教程的爬虫仅将帖子 URL 作为输入。https:// 前缀的严格性是有意的:社交爬虫在验证时拒绝纯 http:// URL,所以在这里删除它们可以避免稍后从触发步骤获得 400 validation_error。dict.fromkeys 技巧在保留顺序的同时去重。
第 4 部分:触发社交爬虫
你现在有三个帖子 URL 列表。使用异步触发将它们发送到匹配的社交爬虫,以便每个爬虫可以按自己的计划运行,而不会阻止脚本:listen.py
- 发现是同步的,爬取是异步的。 SERP API 每个查询在不到一秒内返回,所以你在内联循环遍历三个查询。社交爬虫每个可能需要几分钟,所以你触发并退出。Bright Data 在后台运行它们。
- 脚本返回快照 ID,而不是数据。 实际帖子会根据你的爬虫交付配置指向的位置(API 下载、webhook 或 S3/GCS/Azure)。有关 webhook 交付和 S3 交付,请参阅两个附带教程。
第 5 部分:将其连接在一起并运行
添加一个main 块来粘合这三个步骤:
listen.py
祝贺
你构建了一个关键词社交监听器,它:- 使用
parsed_light模式下的 SERP API 作为紧凑、亚秒级的发现引擎 - 获取每个查询的前 10 个有机结果,并使用帖子形状正则表达式按平台对其进行分类
- 触发 Instagram、TikTok 和 X 爬虫在发现的 URL 上并行运行
- 触发后立即退出,将繁重工作留给 Bright Data
后续步骤
交付到 webhook
将每个社交爬虫指向一个 webhook 处理程序(如 LinkedIn 教程中的 Next.js 处理程序),以实时获取映射的帖子记录。
交付到 S3
在每个爬虫上配置 S3 交付,并使用 GitHub Actions 计划此脚本以获取每日提及报告。
缩小搜索范围
可以添加到搜索 URL 的 Google 特定查询参数的完整列表,包括
gl、hl、uule 和时间过滤器。SERP API 参考
所有支持的引擎、解析的输出架构和用于大量数据的异步请求模式。