企业官网建设流程全解析

1. 快手个人主页视频抓取的真实痛点与场景拆解

很多人第一次写快手个人主页视频下载脚本，卡住的地方往往不是 Python 语法，而是三件事：接口找不准、翻页游标接不上、请求凭证散落各处。我试过把 Cookie、userId、pcursor 全写死在代码里，结果换一个博主就要改一次文件，跑批量任务时更是到处复制粘贴，维护成本极高。

这篇内容聚焦一个具体场景：给定一个快手博主个人主页链接，用 Python 把该主页下的视频批量解析出无水印地址并保存到本地，同时把调用凭证统一交给 TaoToken 的 API 通道管理。适合已经会写基础 requests 请求、想跑通「主页链接 → 视频列表 → 无水印文件」完整链路的同学。

核心检索词先明确：快手个人主页视频无水印下载，本质是调用快手 Web 端的 GraphQL 接口visionProfilePhotoList，从返回的feeds数组里取出photo.photoUrl字段，这个字段就是无水印视频直链。整个链路分四步：定位接口、构造请求体、翻页拿游标、下载落盘。

为什么要把凭证管理单独拎出来？因为快手接口依赖登录态 Cookie，而 Cookie 会过期。如果你同时还在用其他模型或 API 服务，凭证一多就容易乱。TaoToken 提供统一 Key 和 API 通道，把这类调用凭证集中管理，脚本里只读环境变量，不硬编码敏感串，换机器、换账号都省事。

下面按「问题场景 → 凭证前置 → 可复制配置 → 验证请求 → 报错排查 → 收尾」的顺序展开，每一步都给能直接跑的代码和参数说明。你跟着做，单页视频批量下载在本地稳定跑通没问题。

先看接口定位。打开目标博主主页，按 F12 进 Network，筛选graphql，下拉页面触发加载，你会看到一个 POST 请求发往https://www.kuaishou.com/graphql。点开 Payload，里面是 JSON 结构，关键字段有四个：operationName固定为visionProfilePhotoList，query是一大段 GraphQL 查询语句（固定），variables.page固定为profile，variables.userId是博主唯一 ID，variables.pcursor是翻页游标。

userId 最好拿，主页 URL 里/profile/后面那串就是，比如3xteif7iwrqr7iy。pcursor 是重点：第一页传空字符串，接口返回的data.visionProfilePhotoList.pcursor就是下一页要用的游标。换句话说，翻页是「上一页的响应喂给下一页的请求」，串行依赖，不能并行。

请求头里必须带content-type: application/json，因为这是 POST JSON，不是表单。Cookie 必须是你自己登录后的完整 Cookie，否则接口返回空数据或直接 401。User-Agent 建议用桌面 Chrome 的，移动端 UA 有时会触发不同返回结构。

把这些理清楚，代码就好写了。下一节先讲 TaoToken 侧要准备什么，再进入可复制配置。

2. TaoToken 统一通道前置准备与凭证管理

在写快手抓取脚本之前，先把凭证管理这件事做干净。快手接口靠 Cookie，而如果你后续还要接模型对话、代码补全或其他 API，凭证会越来越多。TaoToken 的作用是把这些调用凭证收拢到一个统一通道里，脚本通过环境变量读取，不把敏感信息写进代码仓库。

你需要准备两样东西：一个 TaoToken 的 API Key，以及对应的接入地址。API 基址是https://taotoken.net/api，注意这个地址不带任何查询参数，直接作为请求前缀使用。Key 的获取入口在控制台的 API Keys 页面，登录后新建一个即可。

拿到 Key 之后，不要直接写进.py文件。推荐做法是写进系统环境变量，或者放在项目根目录的.env文件里，用python-dotenv加载。这样做的直接好处是：代码可以提交到 Git，凭证不会泄露；换机器时只改环境变量，不动代码。

具体操作：在项目根目录建一个.env文件，内容如下。

TAOTOKEN_API_KEY=sk-你的实际key TAOTOKEN_BASE_URL=https://taotoken.net/api KUAISHOU_COOKIE=你的快手登录Cookie KUAISHOU_USER_ID=3xteif7iwrqr7iy

然后在 Python 里这样读取。

import os from dotenv import load_dotenv load_dotenv() TAOTOKEN_API_KEY = os.getenv("TAOTOKEN_API_KEY") TAOTOKEN_BASE_URL = os.getenv("TAOTOKEN_BASE_URL") KUAISHOU_COOKIE = os.getenv("KUAISHOU_COOKIE") KUAISHOU_USER_ID = os.getenv("KUAISHOU_USER_ID") assert TAOTOKEN_API_KEY, "缺少 TAOTOKEN_API_KEY，请检查 .env" assert KUAISHOU_COOKIE, "缺少 KUAISHOU_COOKIE，请检查 .env"

这里有个细节：快手 Cookie 里包含kuaishou.server.web_st这种长串，直接放.env时不要加引号，否则读出来会带引号导致请求头异常。如果 Cookie 里有换行，先合并成一行再放。

TaoToken 的 Key 在这里的角色是「统一凭证入口」。你可以在同一个.env里管理多个服务的 Key，脚本按需读取。比如后面要调模型对话验证通道是否通，就用同一个TAOTOKEN_API_KEY去请求https://taotoken.net/api下的对话接口。这样一套凭证管所有，不用每个服务单独记一套。

如果你打算长期跑批量任务，建议再准备一个 Coding Plan，把编码类调用也纳入统一管理。入口在 Coding Plan 页面，适合需要持续调用、跑 Agent 任务的场景。快手抓取本身不消耗模型额度，但如果你在脚本里加了自动生成文件名、自动打标签这类模型调用，就可以走同一个 Key。

凭证准备好后，先做一次连通性验证，确认 Key 和基址没问题。用下面这段最小请求测试。

import requests resp = requests.get( f"{TAOTOKEN_BASE_URL}/models", headers={"Authorization": f"Bearer {TAOTOKEN_API_KEY}"}, timeout=10, ) print(resp.status_code) print(resp.text[:300])

如果返回 200 且能看到模型列表，说明通道正常。如果返回 401，检查 Key 是否复制完整、有没有多余空格。这一步过了，再进入快手接口的配置。

需要提醒的是，快手抓取和 TaoToken 通道是两条独立的链路：前者用 Cookie 访问快手，后者用 Key 访问 TaoToken。把两者放同一个.env只是为了集中管理，不要混淆用途。下一节给出完整的可复制配置。

3. 可复制配置：请求头、GraphQL 请求体与下载脚本

这一节是全文的核心，给出能直接跑的完整配置。先看请求头配置，再给 GraphQL 请求体的 JSON 结构，最后是下载脚本。所有敏感值都从环境变量读，路径和字段名与上一节保持一致。

请求头部分，关键是content-type和Cookie。content-type必须是application/json，因为快手这个接口收的是 POST JSON。Cookie从环境变量读，不要硬编码。

import os import json import time import requests from dotenv import load_dotenv load_dotenv() KUAISHOU_COOKIE = os.getenv("KUAISHOU_COOKIE") KUAISHOU_USER_ID = os.getenv("KUAISHOU_USER_ID") HEADERS = { "User-Agent": ( "Mozilla/5.0 (Windows NT 10.0; Win64; x64) " "AppleWebKit/537.36 (KHTML, like Gecko) " "Chrome/120.0.0.0 Safari/537.36" ), "accept": "*/*", "accept-language": "zh-CN,zh;q=0.9", "content-type": "application/json", "Cookie": KUAISHOU_COOKIE, }

GraphQL 请求体里，operationName和query是固定值，variables里的page固定为profile，userId从环境变量读，pcursor由翻页逻辑传入。把query单独抽成常量，避免每次拼字符串出错。

GRAPHQL_QUERY = """ fragment photoContent on PhotoEntity { id duration caption originCaption likeCount viewCount commentCount realLikeCount coverUrl photoUrl photoH265Url manifest manifestH265 videoResource coverUrls { url __typename } timestamp expTag animatedCoverUrl distance videoRatio liked stereoType profileUserTopPhoto musicBlocked __typename } fragment feedContent on Feed { type author { id name headerUrl following headerUrls { url __typename } __typename } photo { ...photoContent __typename } canAddComment llsid status currentPcursor tags { type name __typename } __typename } query visionProfilePhotoList($pcursor: String, $userId: String, $page: String, $webPageArea: String) { visionProfilePhotoList(pcursor: $pcursor, userId: $userId, page: $page, webPageArea: $webPageArea) { result llsid webPageArea feeds { ...feedContent __typename } hostName pcursor __typename } } """ def build_payload(user_id: str, pcursor: str) -> dict: return { "operationName": "visionProfilePhotoList", "variables": { "page": "profile", "pcursor": pcursor, "userId": user_id, }, "query": GRAPHQL_QUERY, }

注意pcursor第一页传空字符串""，不要传None，否则 JSON 序列化后变成null，接口可能不认。翻页时把上一页返回的pcursor原样传入。

下载脚本部分，核心逻辑是：请求接口 → 解析feeds→ 取photo.photoUrl→ 下载保存 → 记录下一页游标。加time.sleep控制频率，避免请求过密。

import os SAVE_DIR = os.path.join(os.getcwd(), "kuaishou_videos") os.makedirs(SAVE_DIR, exist_ok=True) def fetch_page(user_id: str, pcursor: str) -> dict: url = "https://www.kuaishou.com/graphql" payload = build_payload(user_id, pcursor) resp = requests.post(url, headers=HEADERS, json=payload, timeout=15) resp.raise_for_status() return resp.json() def download_video(video_url: str, filepath: str) -> bool: try: r = requests.get(video_url, headers=HEADERS, timeout=30, stream=True) r.raise_for_status() with open(filepath, "wb") as f: for chunk in r.iter_content(chunk_size=8192): if chunk: f.write(chunk) return True except Exception as e: print(f"下载失败 {video_url} -> {e}") return False def crawl_profile(user_id: str, max_pages: int = 5): pcursor = "" for page in range(max_pages): print(f"当前第 {page + 1} 页，pcursor={pcursor!r}") data = fetch_page(user_id, pcursor) node = data.get("data", {}).get("visionProfilePhotoList") if not node: print("接口返回为空，可能 Cookie 失效或 userId 错误") break feeds = node.get("feeds") or [] if not feeds: print("本页无视频，结束") break for idx, feed in enumerate(feeds, start=1): photo = feed.get("photo") or {} video_url = photo.get("photoUrl") if not video_url: continue filename = f"page{page + 1}_{idx}.mp4" filepath = os.path.join(SAVE_DIR, filename) ok = download_video(video_url, filepath) print(f"{filename} {'保存完成' if ok else '保存失败'}") pcursor = node.get("pcursor") or "" if not pcursor: print("没有下一页游标，结束") break time.sleep(2) if __name__ == "__main__": crawl_profile(KUAISHOU_USER_ID, max_pages=5)

这段代码里，SAVE_DIR用os.getcwd()拼出来，避免写死 Windows 路径导致换系统跑不了。文件名用page{页码}_{序号}.mp4，方便对照。stream=True配合分块写入，大文件下载不会一次性占满内存。

如果你想把凭证管理再规范一点，可以把HEADERS里的Cookie换成从 TaoToken 通道拉取的动态值。不过快手 Cookie 和 TaoToken Key 是两套体系，这里保持从.env读即可。TaoToken 的 Key 主要用于你脚本里其他模型调用，比如自动生成视频标题。

配置给完了，下一节验证请求是否真的跑通。

4. 验证请求与成功结果：从响应到落盘

配置写好后，先别急着跑全量。分三步验证：先验证接口能返回数据，再验证photoUrl能取到，最后验证文件能落盘。每一步都有明确的成功标志。

第一步，单独调fetch_page，打印返回结构。用下面这段最小验证代码。

if __name__ == "__main__": data = fetch_page(KUAISHOU_USER_ID, "") node = data.get("data", {}).get("visionProfilePhotoList") print("result:", node.get("result") if node else None) print("pcursor:", node.get("pcursor") if node else None) print("feeds 数量:", len(node.get("feeds") or []) if node else 0)

成功的话，你会看到result为1（表示成功），pcursor是一串数字字符串，feeds 数量大于 0。如果result不是 1，或者feeds为空，先查 Cookie 和 userId。

第二步，从feeds里取第一条，打印photoUrl。

if __name__ == "__main__": data = fetch_page(KUAISHOU_USER_ID, "") feeds = data["data"]["visionProfilePhotoList"]["feeds"] first = feeds[0]["photo"] print("caption:", first.get("caption")) print("photoUrl:", first.get("photoUrl"))

photoUrl应该是一个以https://开头的直链，通常带txmov2.a.kwimgs.com之类的域名。这个链接就是无水印地址。你可以把它复制到浏览器直接打开，能播放就说明解析正确。

第三步，跑完整下载，检查本地文件夹。运行crawl_profile后，kuaishou_videos目录下会出现page1_1.mp4、page1_2.mp4等文件。用播放器打开，确认画面无水印、音画同步。

实测下来，单页通常返回 20 条左右的视频，翻页间隔 2 秒比较稳。如果一次跑 5 页，大概 100 个视频，耗时取决于网速和文件大小。下载过程中如果某个链接失败，脚本会打印失败信息并继续，不会中断整批任务。

这里有个验证技巧：把photoUrl和页面上的视频对比。快手网页端播放的视频有时带水印，但photoUrl字段返回的是原始无水印版本。如果你拿到的链接播放出来还有水印，检查是不是取错了字段，比如误取了coverUrl或manifest里的地址。

成功跑通后，你可以把max_pages调大，或者把userId换成其他博主。凭证都在.env里，换博主只改KUAISHOU_USER_ID一行。

如果你在脚本里加了 TaoToken 的模型调用，比如用模型给视频自动生成描述，验证方式类似：先单独调一次模型接口，确认返回正常，再嵌入主流程。TaoToken 的模型对话入口在模型对话页面，可以先用网页版试一条，确认 Key 有效。

验证通过后，下一节讲常见报错怎么排查。

5. 本篇常见错误排查：401、local proxy failed、reading choices、OAuth

跑快手抓取脚本时，报错集中在几类。下面按真实报错信息逐条对照，给出原因和修法。

第一类：401 Unauthorized或接口返回result: 2。这通常是 Cookie 失效。快手登录态有有效期，过期后接口不再返回数据。修法是重新登录快手网页版，F12 复制最新 Cookie，更新.env里的KUAISHOU_COOKIE。注意复制时包含kuaishou.server.web_st和kuaishou.server.web_ph这两个关键字段，缺一个都可能失败。

第二类：local proxy failed或连接超时。这类报错通常和网络环境有关。先确认你的网络能正常访问快手网页版，浏览器能打开主页，脚本才可能通。如果浏览器能开但脚本超时，检查requests是否走了系统代理，可以在请求里加proxies={"http": None, "https": None}显式禁用，或者检查环境变量HTTP_PROXY。另外，timeout设太短也会误报，建议 15 秒以上。

第三类：reading 'choices'或KeyError: 'choices'。这个报错一般出现在你调模型接口时，响应结构里没有choices字段。原因可能是请求体格式不对，或者模型 ID 写错。如果你用 TaoToken 通道调模型，先确认请求体里model字段是有效值，再确认messages是数组格式。用下面这段最小请求排查。

import requests, os from dotenv import load_dotenv load_dotenv() resp = requests.post( f"{os.getenv('TAOTOKEN_BASE_URL')}/chat/completions", headers={ "Authorization": f"Bearer {os.getenv('TAOTOKEN_API_KEY')}", "Content-Type": "application/json", }, json={ "model": "gpt-4o-mini", "messages": [{"role": "user", "content": "ping"}], }, timeout=20, ) print(resp.status_code) print(resp.text[:500])

如果返回 200 且能看到choices，说明通道正常。如果返回 401，检查 Key。如果返回 404，检查model字段。

第四类：OAuth相关报错，比如invalid_grant或token expired。这类一般出现在你用 OAuth 方式接入某些服务时。修法是重新走授权流程，拿新的 token。如果你用的是 TaoToken 的 Key 方式，不涉及 OAuth，遇到这类报错先确认是不是请求发到了错误的地址。

第五类：json.decoder.JSONDecodeError。快手接口返回的不是 JSON，通常是 HTML 错误页。原因可能是 Cookie 失效被重定向到登录页，或者请求头content-type写成了application/x-www-form-urlencoded。检查HEADERS里content-type是否为application/json，以及requests.post用的是json=payload而不是data=payload。

第六类：下载的视频文件大小为 0 或几 KB。这通常是photoUrl取到了但下载被拒。检查下载请求是否带了Cookie和User-Agent，有些 CDN 会校验 Referer。可以在下载请求头里加Referer: https://www.kuaishou.com/。

排查顺序建议：先看 HTTP 状态码，再看响应体前 300 字符，最后看本地文件。大部分问题集中在 Cookie 和请求头两处。把这两处固定好，脚本稳定性会高很多。

如果你在脚本里同时用了 TaoToken 通道和快手接口，报错时先区分是哪条链路。快手报错看 Cookie，TaoToken 报错看 Key 和基址。两条链路分开验证，定位更快。

6. 凭证统一管理与后续扩展

脚本跑通后，最后收一下凭证管理这条线。快手抓取依赖 Cookie，模型调用依赖 TaoToken Key，两者都放在.env里，通过环境变量读取。这样做的好处是代码干净、可迁移、不泄露敏感信息。

如果你后续要扩展功能，比如批量抓多个博主、自动去重、自动上传，凭证管理会更重要。建议把.env按服务分组，快手相关的前缀KUAISHOU_，TaoToken 相关的前缀TAOTOKEN_，避免命名冲突。

需要长期跑编码类任务或 Agent 的话，可以了解 Coding Plan，把持续调用的额度统一管理。入口在 Coding Plan 页面。如果只是偶尔验证模型是否可用，用模型对话页面手动试一条更直接。API Key 的创建和管理在 API Keys 页面，接入细节看接入文档。

快手这边的扩展方向：把userId列表化，循环调用crawl_profile；把已下载的视频 ID 记录到本地 JSON，避免重复下载；把pcursor持久化，支持断点续爬。这些都不难，核心链路已经跑通了。

最后提醒一句：抓取频率别太高，翻页间隔保持 2 秒以上，下载也适当限速。稳定跑通比一次抓完更重要。凭证放.env，代码里只读环境变量，这套习惯养成了，后面接什么服务都省心。