案例 06｜B 站热门排行与视频榜单采集

一、案例背景与采集目标

打开 B 站的排行榜页，一屏就是几十条视频，每条写着标题、UP 主、分区、播放量、弹幕数和点赞数。它是「此刻全站最火的视频」的一张快照，看着简单，信息量却很大：哪些分区在热、哪类内容吃香、哪位 UP 主又上榜了，扫一眼就能看出来。

它和我们上一案例采过的热搜榜是同一类东西——随时间变化的榜单；区别在于 B 站的字段更硬：数字多、单位杂，而且这个站点额外提供了一条公开的数据接口。这一案例就把「榜单的两条取数路径」都走一遍。

1.1 这一篇用哪些真实站点

示范站点有两个入口，指向同一张榜：一是B 站全站排行榜网页，地址 https://www.bilibili.com/v/popular/rank/all；二是 B 站自己对外提供的排行榜公开接口，地址 https://api.bilibili.com/x/web-interface/ranking/v2?rid=0&type=all，返回的是一段 JSON。两个入口都已实测可直接访问，不用登录。

延伸站点用于横向对照，都是公开榜单：微博热搜榜 https://s.weibo.com/top/summary、百度热搜榜 https://top.baidu.com/board?tab=realtime、知乎热榜 https://www.zhihu.com/hot，以及抖音热榜。它们的字段与 B 站不同，只做结构对照，不并表。

1.2 这个案例要拿到什么

• 榜单每条视频的排名、BV 号、标题、UP 主、分区；
• 六个互动数字：播放量、弹幕数、点赞数、投币数、收藏数、转发数；
• 把时长从秒换算成「分:秒」，把发布时间从时间戳换成本地时间；
• 每条都打上采集时刻，因为这张榜每小时都在变；
• 按分区与 UP 主分别汇总，看「谁在热」与「什么内容在热」。

1.3 为什么值得走一遍公开接口

一句话：有公开接口的站点，优先走接口。接口给的是结构化数据，字段全、单位干净，还不用跟页面样式较劲。但有两条纪律必须守：一是带上它要求的请求头，二是控制频率，别把公开接口当成免费提款机。

1.4 这个案例真正的难点在哪

采到数据不难，难在把数字摆正。具体有五个坑：第一，接口要带浏览器的 User-Agent，不带时直接返回 -352 拿不到数据；保持浏览器默认请求头即可，不需要额外加 Referer 之类的头；第二，这个接口还有频率风控，短时间内连着请求几次，同样会被 -352 拦下，所以必须放慢节奏；第三，单位对不上，页面上写「1.2亿」，接口给 120000000，两者要能对上；第四，时长是秒、发布时间是时间戳，都不能直接读；第五，榜单每小时变，不记采集时刻，两次结果就没法比较。

1.5 这张榜单能回答什么问题

• 分区格局：今天哪些分区上榜最多，是动画区还是知识区；
• UP 主产能：一位 UP 主在榜上占了几条，是偶然爆款还是稳定输出；
• 内容形态：上榜视频普遍多长，是十几秒的短视频还是五十分钟的长片；
• 互动质量：播放量高不等于互动好，用点赞、投币、收藏与播放量的比值能看出差别。

目标站点与交付产物

下表是本篇用到的真实站点。绿色是课堂可稳定复现的示范站点；橙色是延伸站点，多数有登录墙或风控，课堂上只讲结构、原理与合规边界，不教绕过。

二、数据源与字段设计

数据源有两个入口：B 站全站排行榜网页（给人看的）和排行榜公开接口（给机器读的）。本案例以接口为主、页面为辅——接口拿全字段，页面用来核对数字对不对得上。

2.1 站点信息表

2.2 接口字段对照表：JSON 的位置归到统一字段

接口把数据分层放在嵌套结构里，取值要一层层点进去。先把「接口里的位置」与「统一字段」的对应关系写成一张表，交给 AI 它就不会取空。

2.3 完整字段表

2.4 单位与格式换算规则（这一节的重头戏）

接口给的多半是干净的数字，但网页上不是。两条路一对照，就必须有一套换算规则把它们对齐。

把接口返回的一条记录单独拎出来看，就明白字段都藏在哪一层了：

{
  "code": 0,
  "message": "OK",
  "data": {
    "note": "根据稿件内容质量、近期的数据综合展示，动态更新",
    "list": [
      {
        "bvid": "BV1c3HL6qEyq",
        "title": "《诡异的她》第一季全集·纯享",
        "tname": "影视剪辑",
        "duration": 2950,
        "pubdate": 1791113400,
        "owner": { "mid": 95272526, "name": "编剧六一" },
        "stat": { "view": 7152912, "danmaku": 14345, "like": 352038,
                  "coin": 175645, "favorite": 224398, "share": 57558, "reply": 12917 }
      }
    ]
  }
}

三、零代码操作步骤

下面是在 WorkBuddy 里完成本案例的流程。你依然不写一行代码，但要负责说清要求、核对结果。

1. 先确认两个入口都能打开。让人先访问网页 https://www.bilibili.com/v/popular/rank/all 看一眼榜单长什么样，再请求接口 https://api.bilibili.com/x/web-interface/ranking/v2?rid=0&type=all。
2. 先探字段。要求只取第 1 条记录，把它完整的字段结构列出来（重点看 owner 与 stat 里面有什么），先不要取全部。
3. 说清请求头与节奏。明确告诉它「请求这个接口要带浏览器的 User-Agent，并且两次请求之间留出间隔」。
4. 先取 10 条做小样本。按字段表取前 10 条的排名、BV 号、标题、UP 主、分区与六个互动数字，看字段齐不齐。
5. 做两次换算。说「把时长从秒换算成 分:秒，把发布时间从时间戳换算成 YYYY-MM-DD HH:MM」。
6. 补上视频链接与封面。说「用 BV 号拼出视频链接 https://www.bilibili.com/video/ 加 BV 号，封面图只记地址不下载」。
7. 记采集时刻。要求整批结果新增一列「采集时刻」，填同一个时间点。
8. 放开全量并导出。小样本核对无误后取全站榜全部约 100 条，导出 Excel；有余力再换个 rid 取一个分区榜做对照。

四、提示词模板与追问技巧

下面这段可以直接复制。它的关键是把两个入口、请求头、字段路径、换算规则、采集时刻这几件事一次说清。

请帮我采集 B 站全站排行榜。

【两个入口，指向同一张榜】
  网页：https://www.bilibili.com/v/popular/rank/all
  公开接口：https://api.bilibili.com/x/web-interface/ranking/v2?rid=0&type=all
  优先用接口取数，网页只用来核对数字。

【接口的注意事项】
  - 请求头带浏览器的 User-Agent；两次请求之间留出间隔，不要连着发（会被 -352 拦）；
  - 请求之间间隔 1 秒以上，不要并发；
  - 如果一次拿不全，明确告诉我实际拿到了多少条。

【需要字段】按这个顺序（共 16 个）：
  1. 排名（接口 data.list 的顺序，第 1 条即第 1 名）
  2. BV 号（bvid）            3. 标题（title）
  4. UP 主（owner.name）       5. UP 主 ID（owner.mid）
  6. 分区（tname）             7. 播放量（stat.view）
  8. 弹幕数（stat.danmaku）     9. 点赞数（stat.like）
  10. 投币数（stat.coin）       11. 收藏数（stat.favorite）
  12. 转发数（stat.share）      13. 评论数（stat.reply）
  14. 视频时长（秒，duration）   15. 发布时间（pubdate，Unix 时间戳）
  16. 视频链接（用 BV 号拼：https://www.bilibili.com/video/ 加 BV 号）

【换算要求】
  - 视频时长：秒 换成 分:秒，例如 2950 换成 49:10，59 换成 00:59；
  - 发布时间：Unix 时间戳 换成 YYYY-MM-DD HH:MM；
  - 播放量、点赞等数字保持接口给的整数，不要四舍五入。

【输出要求】
  1. 先在对话里给我前 10 条的预览，我确认后再导出全部；
  2. 文件名 bili_rank_20261008_09.xlsx；
  3. 整批新增一列「采集时刻」，填同一个时间（如 2026-10-08 09:00）。

【合规要求】只取公开榜单，不下载视频文件、不下载封面图片，控制频率。

4.1 三条常用追问指令

追问一（补分区榜）：
请把接口里的 rid 改成某个分区的编号，再取一次那个分区的排行榜，
新增一列「榜单类型」区分全站榜与分区榜，最后把两张榜合并成一张表。

追问二（按 UP 主汇总）：
请按 UP 主分组，统计每位 UP 主在榜上占了几条、总播放量和平均点赞数，
从多到少排列。

追问三（两期对比）：
这是我隔一小时再采的榜单。请按 BV 号对齐两期数据，
找出新上榜、掉榜，以及播放量增长最快的 5 条视频。

五、结果核对、清洗与保存

先看接口取回的结果样例（示例数据：条目为教学示意，非真实榜单；字段形态与真实返回一致）：

5.1 五项核对

• 条数：接口实际返回多少条，是不是接近 100，有没有中途被限流截断；
• 字段：UP 主、分区、投币数这几列最容易取空，逐一抽查；
• 换算：抽一条把时长秒数自己换一遍，看与「分:秒」列对不对得上；
• 发布时间：时间戳换算出来的日期合不合理，是不是落在最近几天；
• 采集时刻：整批是不是同一个时刻，别混进别的批次。

5.2 清洗指令，直接复制

请对本次榜单结果做以下清洗：
① 去掉标题的首尾空格与多余的换行；
② 视频时长统一成「分:秒」，不足 1 分钟的补前导零（如 00:59）；
③ 发布时间统一成 YYYY-MM-DD HH:MM；
④ 播放量、弹幕、点赞、投币、收藏、转发、评论这几列保持整数，不要加千分位；
⑤ 新增一列「互动率」= 点赞数 除以 播放量，保留两位小数；
⑥ 新增一列「时长区间」：短（不超过 1 分钟）/ 中（1 到 10 分钟）/ 长（超过 10 分钟）；
⑦ 按排名升序排列。

5.3 保存与归档约定

bili_rank_20261008_09.xlsx        ← 本次原始榜单（接口取的全字段）
bili_rank_20261008_09_clean.xlsx  ← 清洗版（含换算列与互动率）
bili_rank_all.xlsx                ← 累积长表：每次的快照纵向合并
bili_rank_up.xlsx                 ← 按 UP 主汇总的榜单
bili_rank_log.txt                 ← 日志：采集时刻、条数、异常

5.4 从榜单能看出什么

把「分区」和「互动率」两列配合着看，往往比只看播放量更有意思：

• 分区分布：按分区统计条数，看今天哪几个分区占了榜单大半；
• 互动质量：同样上亿的播放量，点赞率高的说明观众更愿意「动手」，只是路过看一眼的比例低；
• 时长偏好：短、中、长三类各占多少，能反映当下观众愿意花多长时间看一条视频。

六、常见问题与合规红线

6.1 五个高频问题

6.2 三条合规红线

1. 只取公开榜单的元数据，不下载视频文件、不下载封面图片；视频本身受著作权保护。
2. 控制频率，请求之间间隔 1 秒以上，不并发、不高频轮询；公开接口也不是免费提款机。
3. 结论要留白，榜单名次受平台推荐机制影响，不能把「上榜」直接等同于「质量最好」。

另外提醒一句：「采集时刻」这一列一定不能省。榜单每小时都会变，没有这一列，两份结果放在一起就像两笔对不上的账，谁也说不清谁对谁错。

七、随堂自测（10 题）

点击选项即可判分，答错的题会立刻显示解析。