微博个人主页采集:按页采集博主微博并导出 CSV

前言

采集某个微博博主的主页内容,常见做法是自己写爬虫,但微博的反爬和分页规则经常变化,维护成本不低。另一种做法是人工复制粘贴,几十页下来容易出错。下面介绍的 SkillHub skill「微博个人主页采集」(坐标 @aidata/wb-profile)把这件事变成一次调用:给它主页链接,它返回结构化的微博列表,可直接导出 CSV。适合需要批量获取博主发布内容的开发者,不需要自己处理登录、分页和正文解析。

这是什么

这是 SkillHub 上的一个数据获取类 skill,由「海港信息」以 enterprise 来源发布,版本 1.0.0,分类 data-analysis。它解决的问题是:把微博博主主页上的微博列表(含原创与转发)结构化采集下来,并带上正文、互动数据和发布时间,导出成 Excel 可直接打开的 CSV。

按 SkillHub 页面信息,该 skill 评分为 100000,下载 4016 次。标签 requires_api_key=true,说明调用需要配套的 API Key。

核心功能

下面这些能力来自官方页面简介,均已核实:

1、输入博主主页链接,采集该博主发布的微博列表。
2、每条微博保留:微博正文、转发数、评论数、点赞数、发布时间、微博链接。
3、原创与转发都会采集,并保留转发关系。
4、结果导出为 CSV,Excel 可直接打开。
5、支持三种链接格式:weibo.com/u/<用户ID> 直链、weibo.com/profile/<用户ID> 直链、t.cn 短链。

计费方式

按页计费,规则来自官方简介,原文如下:

一页(约 20 条)= 5 点数;预扣按页数、结算按实采量退差;
零结果或失败全额返还(注册送 10 点)。

也就是说,请求时先按页数预扣点数,实际采到多少条再结算,多扣的部分退回。采集失败或结果为空时全额返还。新注册账号送 10 点,可以先跑两页左右验证。

安装与启用

该 skill 托管在 SkillHub 上,官方地址:

https://api.skillhub.cn/aidata/wb-profile
SkillHub 页面:https://www.skillhub.cn/skills/aidata/wb-profile

说明几点:

1、本次核对时未能打开上述两个地址(请求未返回页面内容),因此安装命令、Skill 目录路径和配置文件字段,一律以 SkillHub 页面实际给出的为准,这里不推断。
2、标签 requires_api_key=true 表明使用前需要先准备好 API Key,接入方式同样是 skill 运行环境决定的,具体字段以官方文档为准。
3、Cursor、Codex CLI、Claude Code 三类环境如果有差异,官方页面若未说明,就不要假设一致,按各自环境的 skill 加载方式处理。

典型用法

官方简介给出的调用方式很直接:把博主主页链接交给 skill。可复现的最小流程如下。

第一步,准备主页链接,三种格式都可以:

https://weibo.com/u/1234567890
https://weibo.com/profile/1234567890
https://t.cn/Axxxxxxx

第二步,在运行环境里以「采集该博主的微博列表」为意图调用 skill,并传入上述链接。

第三步,skill 按页采集,每页约 20 条,返回结构化结果,导出 CSV。

需要采集更深的页数时,按页数预扣点数;只想采前一两页做抽样,也能直接控制页数来省点数。

适用场景与注意

适合这些场景:达人筛选、博主内容盘点、竞品账号监测、KOL 背调。共同点是需要某个账号的发布记录作为分析输入,而不是一次性的单条抓取。

使用时注意几点:

1、点数是按页预扣的,采集量大的任务要先估算页数,确认账户点数足够。
2、计费按实采量结算,重复采集同一主页会重复消耗点数,批量任务前建议先小样本验证链接格式和采集范围。
3、采集的是公开主页可见内容,具体覆盖范围(如是否包含置顶、话题、视频微博)以 skill 实际返回为准,不要假设与页面显示完全一致。
4、该 skill 依赖微博页面的公开结构,微博侧页面改版可能影响采集结果,长期任务要留出重新校验的余地。

结尾

这个 skill 的价值在于把「采集博主微博」从自建爬虫变成一次带链接的调用,输出直接可用的 CSV,点数规则也透明——按页预扣、按实结算、失败返还。如果需要在达人筛选或账号监测流程里批量获取微博发布记录,可以先用送的 10 点跑一页验证格式。官方地址:https://api.skillhub.cn/aidata/wb-profile

羽毛球分组比赛记分
小程序二维码

欢迎使用《羽毛球分组比赛记分》微信小程序

Xiaoye