douyin-video-readlisted

# 读取抖音视频内容 两级能力，按需选择： | 级别 | 能拿到 | 耗时 | 用什么 | | --- | --- | --- | --- | | **L1 摘要** | 标题、作者、发布时间、互动数据、**抖音官方 AI 章节要点**（带时间戳的逐章摘要）、评论、推荐流 | 约 30-60 秒 | `scripts/read_douyin.py` | | **L2 视频** | 画面关键帧 + **逐句口播讲稿**（来自画面硬字幕 OCR，带时间戳） | 约 3-5 分钟 | `scripts/capture_frames.py` + `scripts/ocr_subtitles.py` | | **L2 图文** | 图文作品（`/note/`）的**轮播图片**（去重、按序命名）+ 标题/作者/互动数 | 约 1 分钟 | `scripts/capture_note_images.py` | ## ⚠️ 第一步永远是：判断视频还是图文 **分享文本里写着「图文作品」四个字 = 图文**；链接跳转后 `/note/{id}` = 图文，`/video/{id}` = 视频。 两者的内容位置完全不同，**搞错了会读到别人的内容（见下方"已知的坑"）**： | | 视频（`/video/`） | 图文（`/note/`） | | --- | --- | --- | | 内容在哪 | 画面字幕 + 口播音频 | **轮播图片里** | | `body.innerText` | 含官方 AI 章节要点 | **基本只有页脚**，拿不到正文 | | 官方 AI 章节要点 | ✅ 有 | ❌ 没有（该功能只对视频提供） | | 怎么做 | `capture_frames.py` | `capture_note_images.py` → 再由视觉能力读图 | | 兜底信息 | — | `<meta name="description">` 里有标题 + 作者 + 发布时间 + 点赞数 | **先用 L1**。用户只是问"这视频讲了什么"，L1 的官方章节要点就够，没必要跑 L2。 只有需要逐句原文、要引用具体表述、或视频没有 AI 章节要点时，才上 L2。 **图文作品必须走 L2** —— 它的正文在图片里，L1 拿不到任何正文。 ## 核心原理 **L1**：抖音视频页渲染后，`document.body.innerText` 里含抖音**官方 AI 生成的分章要点**。直接读文本，不解析 DOM 选择器（类名被混淆且频繁变更）。 **L2**：不下载视频文件，而是让真实浏览器播放视频，再用 `canvas.drawImage(video)` 在任意时间点取帧 —— 可以精确按时间轴采样，且完全避开预加载污染。这类知识讲解视频通常是**双层文字**：顶部章节标题条 + 底部口播字幕，裁切时两块都要。 ## 环境准备 ```bash pip install playwright requests Pillow python -m playwright install chromium # 可跳过：会优先复用系统已装的 Edge / Chrome ``` OCR 后端三选一（脚本 `auto` 会按 winrt → tesseract → none 自动挑）： ```bash # A. Windows 内置 OCR（推荐：离线、免费、中文好） pip install winrt-runtime winrt-Windows.M