n8n+TikHub每周监控B站关键词视频和热门评论

在前面几篇里，我们已经搭过 YouTube、Reddit 等「选题情报」自动化流程（系列文章如下）。

【链接】

对应《一图说透「内容创作全流程」》里的「挖选题」：每多一条稳定渠道，就多一个可持续观察的信息入口。

本篇是系列第四弹，对象换成 B 站（bilibili）：按关键词抓取近一周视频，拉取热门评论，再写入飞书多维表格。

配图

其实这条工作流的方式和之前几期工作流逻辑都是类似，用n8n流程，对接tikhub的接口，获取到对应的数据写到多维表格里，如果你之前手把手搭建过，这期对你来说就很简单了。没有的话也没关系，这期我们来讲讲这个工作流实现的逻辑。

在开始之前，我们先说说为什么把B站也接进我们的选题池。

①中文语境强：因为很多工具教程或内容、比如飞书 / n8n / AI 工作流类内容，在 B 站更新密度更高，而且内容的方向和匹配中文用户。

②评论即需求：热门评论里常有「怎么用」「踩坑」「求配置」——和 Reddit 一样，都是真实声音，并且更贴近中文用户。

③和前几弹互补：YouTube、Reddit 偏全球或英文语境；B 站补中文场景。数据都进多维表格后，仪表盘上可以多一块「B 站」视图；若你读过「仪表盘 + 龙虾」那篇，后续接龙虾做周报也顺。

一、这个工作流的整体架构

先说说工作流的整体的框架。

我们可以把它理解成一条按周运行的流水线：

配图

1.定时触发：例如每周固定时间跑一轮。

2.Init 配置：统一把 TikHub Key、飞书应用信息、多维表格 app_token / table_id、监控关键词列表、以及「最多处理多少条视频」上限的数据，都放在这个节点来进行配置。

3.时间计算：因为我们想获取最近一周发布的视频，所以需要做一个时间的计算。我们把本次流程运行的时间作为结束时间，然后往前推7天作为开始时间，交给搜索接口做「近一周」过滤。

4.飞书鉴权：拿 tenant_access_token，给后面写表用。

5.核心 Code 节点（TikHub Search + Comments）：在一个节点里串完，用代码的方式完成多关键词搜索 → 按 视频BV号去重 → 逐条调评论接口 → 拼成飞书 batch_create 需要的 records。

6.IF：有记录才写表，无记录就不需要写

7.HTTP 节点写多维表格：一次性将获取到的数据写入到多维表格中。

二、多维表格如何配置

我们可以在之前的多维表格中，新建一张数据表，和之前的reddit、youtube表一样。 这次新建的数据表就只放我们从B站获取的视频数据。

配图

字段可以放以下几个：

字段 字段类型
视频标题 文本
作者 文本
bvid 文本
视频url 文本
视频时长 文本
视频描述 文本
视频标签 文本
视频发布时间 文本
视频播放次数 数字
视频收藏次数 数字
搜索关键词 文本（本条视频是由哪个关键词搜到的）
视频评论 文本：多条评论合并为 1.xxx、2.xxx；若没有评论则固定为 暂无评论

三、流程节点配置说明

这一章节详细说明每个节点的配置和作用

配图

1、Schedule Trigger

定时触发节点，每周触发一次流程，如果你希望按需调整触发的频率或时间，直接在这个节点修改就好

2、Init (Config + 7d range)（Code）

代码节点

节点作用：

①将所有的配置信息，如TikHub apiKey、feishu.appId / appSecret、多维表格 bitableAppToken、bitableTableId、keywords 数组、maxVideos等需要配置的信息都放在这个节点里，方便随时修改。

②时间计算，计算 range.pubtime_end_s（当前秒）和 range.pubtime_begin_s（减 7 天）。

详细配置：

/**
 * Bilibili 关键词（近 7 天）+ 热门评论 → 飞书多维表格
 *
 * 请务必填写：config.tikhub.apiKey、config.feishu.appId / appSecret
 * 已在对话中暴露的密钥请尽快在 TikHub 轮换。
 *
 * 多维表格字段名需与本流程「fields」一致，或在下方 mergeFields 中改名：
 * search_keyword, author, bvid, arcurl, duration, title, description, tag, pubdate, play, favorites, hot_comments
 */

const config = {
  timezone: 'Asia/Shanghai',

  tikhub: {
    baseUrl: 'https://api.tikhub.io',
    apiKey: 'j6ohNv49g3eUw3KhEZzMkEyILSeOd8RAvxbltW6Rdf/jjEy8AH2IKjnELw==',
  },

  feishu: {
    appId: 'cli_a6e243e0f9d9100c',
    appSecret: '3GwtYgK5jOGmVA6yGyeR7gFoeBVCu3bg',
    bitableAppToken: 'RTnbbVoapaEDOEsaseCcVWxDnyg',
    bitableTableId: 'tbl49sp2cdLxpiN5',
  },

  // 与你「内容创作 / 自动化 / 飞书 / n8n 选题」定位相近的检索词，可按需增删
  keywords: [
    'n8n工作流',
    '飞书 多维表格',
    'AI工作流',
    '内容运营自动化',
    '内容运营 选题',
    'AI agent',
  ],

  // 综合搜索：order=click，每词 1 页 20 条；去重后最多拉取评论的视频数（防超时）
  maxVideos: 40,
};

const nowSec = Math.floor(Date.now() / 1000);
const beginSec = nowSec - 7 * 24 * 60 * 60;

return [{ json: { config, range: { pubtime_begin_s: beginSec, pubtime_end_s: nowSec } } }];

3、Feishu – tenant_access_token（HTTP Request）

获取飞书的tenant_access_token，给后面写表用。

详细配置：

①Method：POST

②URL：https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal/

③Headers：name：Content-Type，value：application/json; charset=utf-8

④Body（JSON）：app_id、app_secret 。用表达式从 \$json.config.feishu 读取。

{{ JSON.stringify({ app_id: $json.config.feishu.appId, app_secret: $json.config.feishu.appSecret }) }}
配图

4、Pack (config + token)（Code）

code节点，这个节点的主要目的是把 Init 里的 config + range 和 上一步拿到的 token 合并成一条下游数据，供下一个核心的Code使用。

const token = $json.tenant_access_token;
const init = $('Init (Config + 7d range)').first().json;
if (!init?.config?.tikhub?.apiKey) {
  throw new Error('请在 Init 节点填写 config.tikhub.apiKey（TikHub Bearer Token）');
}
if (!token) {
  throw new Error('飞书 tenant_access_token 为空，请检查 appId/appSecret');
}
return [{ json: { ...init, tenant_access_token: token } }];
配图

5.TikHub Search + Comments（code）

这个节点是流程中最核心的节点，目的主要是调用tikhub里B站的搜索接口和获取评论接口，来获取到我们所需要的数据。

之前的流程我们会用http节点以及循环的逻辑来处理，节点看起来就比较多。这次我们可以换一种思路，直接用代码节点一次性搞定（不懂代码没关系，用AI啊哈哈）

我先讲讲这个节点的逻辑，最后把代码贴出来，直接复制就行。我们不用懂详细的代码，只需要大概清楚它的逻辑和在做什么事情就好，下面的介绍我也按照这个思路来。

（1）节点逻辑

主要处理三个事情

①搜：对每个关键词，调 TikHub「B 站综合搜索」接口，限定近 7 天、按播放量排序、只要第一页（例如 20 条），减轻费用和超时风险。

②收：把所有关键词的结果汇总，按 bvid 去重（同一个视频被多个词搜到只保留第一次），并限制总视频数不超过 maxVideos。

③评 + 写：对每个保留下的视频再调「视频评论」接口（热门排序、第一页），把评论正文抽出来，编成编号列表，和标题、链接等一起塞进 records[].fields，交给飞书写入表格。

（2）节点里的几个处理

有几个函数简单说说

①getRepliesFromCommentResp：TikHub 返回体是「套娃」结构：评论列表一般在 data.data.replies 这一层。这个函数专门从复杂 JSON 里捞出数组，拿不到就返回空数组，后面逻辑不用写一堆 if。

②commentMessage：单条评论里，正文可能在 content.message，也可能个别场景是字符串。这里做兼容，统一成一段字符串，避免某条评论结构略变就整段崩掉。

③buildNumberedComments：把多条评论合成一段多行文本，比如1.第一条评论……2.第二条评论……

（3）代码逻辑里的第一段：关键词循环 + 搜索 + 去重

①从上游读出 config、range、tenant_access_token。

②用 Map（键为 bvid）做去重：同一个视频只保留第一次出现时绑定的「搜索关键词」，方便我们反查「是哪个词带来的」。

③每个关键词拼好 fetch_general_search 的 query：

  • order = click（最多播放）
  • page = 1、page_size = 20、duration = 0（不限时长）
  • pubtime_begin_s / pubtime_end_s 用 Init 算好的一周窗口

④用 this.helpers.httpRequest 发 GET（带 Authorization: Bearer）。某个词请求失败就 continue，不拖死整次执行。

⑤从返回里取 data.data.result，只保留 type === ‘video’ 且有 bvid 的项，写入 Map；达到 maxVideos 就提前结束外层的词循环。

（4）代码逻辑里的第二段：逐视频拉评论 + 组装 fields

①把 Map 转成数组，逐个视频请求 fetch_video_comments：mode=3 热门，next_offset=1 先取第一页（可按需以后扩展翻页）。

②评论列表走 buildNumberedComments；若结果为空或只有空白，把「视频评论」字段设为「暂无评论」——这样表里不会出现空单元格含义不清的情况。

③fields 里的键名用中文，与多维表格列名一字不差，包括 视频url、视频评论 等，避免飞书报「字段不存在」。

④播放、收藏若在接口里缺失，用 0 填入数字列，减少「数字字段为空」的写入错误。

（5）代码逻辑里的最后： return

返回一个 item，json 里包含：

①feishu：bitableAppToken、bitableTableId、tenant_access_token（给下一个 HTTP 节点用）

②records：飞书 batch_create 要的数组

③stats.videoCount：方便你在 n8n 里一眼看到本次写入条数

整段代码如下：

/**
 * 对每个关键词调用综合搜索（近 7 天、最多播放排序）→ 去重 BV → 拉取热门评论 → 组装飞书记录
 * 多维表格字段名与表头一致（中文）
 */

function stripHtml(s) {
  return String(s || '').replace(/<[^>]+>/g, '');
}

function getRepliesFromCommentResp(resp) {
  const r = resp?.data?.data?.replies;
  return Array.isArray(r) ? r : [];
}

function commentMessage(reply) {
  const c = reply?.content;
  if (c == null) return '';
  if (typeof c === 'string') return c;
  return c.message || c.text || '';
}

function buildNumberedComments(replies) {
  const lines = [];
  for (const reply of replies) {
    let t = commentMessage(reply).trim().replace(/\r?\n/g, ' ').replace(/\s+/g, ' ');
    if (!t) continue;
    lines.push(`${lines.length + 1}.${t}`);
  }
  return lines.join('\n');
}

function buildQuery(params) {
  const parts = [];
  for (const key in params) {
    if (!Object.prototype.hasOwnProperty.call(params, key)) continue;
    const value = params[key];
    if (value === undefined || value === null || value === '') continue;
    parts.push(encodeURIComponent(key) + '=' + encodeURIComponent(String(value)));
  }
  return parts.join('&');
}

const input = $input.first().json;
const cfg = input.config;
const range = input.range;
const token = input.tenant_access_token;
const apiKey = cfg.tikhub.apiKey;
const base = (cfg.tikhub.baseUrl || 'https://api.tikhub.io').replace(/\/$/, '');
const headers = { Authorization: `Bearer ${apiKey}` };
const maxVideos = Number(cfg.maxVideos) || 40;

const byBvid = new Map();

for (const keyword of cfg.keywords || []) {
  const kw = String(keyword || '').trim();
  if (!kw) continue;

  const qs = buildQuery({
    keyword: kw,
    order: 'click',
    page: '1',
    page_size: '20',
    duration: '0',
    pubtime_begin_s: String(range.pubtime_begin_s),
    pubtime_end_s: String(range.pubtime_end_s),
  });

  const url = `${base}/api/v1/bilibili/web/fetch_general_search?${qs}`;
  let searchResp;
  try {
    searchResp = await this.helpers.httpRequest({
      method: 'GET',
      url,
      headers,
      json: true,
      timeout: 120000,
    });
  } catch (e) {
    continue;
  }

  const list = searchResp?.data?.data?.result || [];
  for (const it of list) {
    if (!it || it.type !== 'video' || !it.bvid) continue;
    if (byBvid.has(it.bvid)) continue;
    byBvid.set(it.bvid, {
      search_keyword: kw,
      author: it.author || '',
      bvid: it.bvid,
      arcurl: it.arcurl || `https://www.bilibili.com/video/${it.bvid}`,
      duration: it.duration != null ? String(it.duration) : '',
      title: stripHtml(it.title || ''),
      description: String(it.description || ''),
      tag: String(it.tag || ''),
      pubdate:
        typeof it.pubdate === 'number'
          ? new Date(it.pubdate * 1000).toISOString()
          : '',
      play: it.play != null ? Number(it.play) : 0,
      favorites: it.favorites != null ? Number(it.favorites) : 0,
      raw: it,
    });
    if (byBvid.size >= maxVideos) break;
  }
  if (byBvid.size >= maxVideos) break;
}

const videos = Array.from(byBvid.values());
const records = [];

for (const v of videos) {
  const qsC = buildQuery({
    bv_id: v.bvid,
    mode: '3',
    next_offset: '1',
  });
  const cUrl = `${base}/api/v1/bilibili/app/fetch_video_comments?${qsC}`;
  let cResp;
  try {
    cResp = await this.helpers.httpRequest({
      method: 'GET',
      url: cUrl,
      headers,
      json: true,
      timeout: 120000,
    });
  } catch (e) {
    cResp = null;
  }

  const replies = cResp ? getRepliesFromCommentResp(cResp) : [];
  let hot_comments = buildNumberedComments(replies);
  if (!hot_comments || !hot_comments.trim()) {
    hot_comments = '暂无评论';
  }

  records.push({
    fields: {
      视频标题: v.title,
      作者: v.author,
      bvid: v.bvid,
      视频url: v.arcurl,
      视频时长: v.duration,
      视频描述: v.description,
      视频标签: v.tag,
      视频发布时间: v.pubdate,
      视频播放次数: v.play,
      视频收藏次数: v.favorites,
      搜索关键词: v.search_keyword,
      视频评论: hot_comments,
    },
  });
}

return [
  {
    json: {
      feishu: {
        bitableAppToken: cfg.feishu.bitableAppToken,
        bitableTableId: cfg.feishu.bitableTableId,
        tenant_access_token: token,
      },
      records,
      stats: { videoCount: records.length },
    },
  },
];

执行后，每条视频记录就按标准的数据结构输出出来了，我们可以直接把这些内容插入到多维表格里即可

配图

6、IF records > 0

IF节点，主要作用是如果接口可以获取到数据，那么才会调用多维表格的接口进行写入，如果没有，就走 No Operation，减少无意义请求。

配图

7、Feishu – batch_create records（HTTP Request）

http节点，这个节点的作用主要是调用飞书多维表格的写入节点，把我们获取到的B站数据一次性写入到数据表格里

详细配置：

①Method：POST

②URL：https://open.feishu.cn/open-apis/bitable/v1/apps/{{ \$json.feishu.bitableAppToken }}/tables/{{ \$json.feishu.bitableTableId }}/records/batch_create

③Header：Authorization: Bearer {{ \$json.feishu.tenant_access_token }}

④Body：{{ JSON.stringify({ records: \$json.records }) }} ，这里的body值和飞书接口文档中要求的一致即可

配图

四、最后

这一篇内容，我们是把 B 站接进了同一套「选题情报 → 多维表格」的拼图里：和 YouTube、Reddit、频道监控放在一起，我们就有了多源、可对比、可复盘的数据层。这样数据来源更广，我们就不容易把某一渠道的「偶然爆款」当成全局结论。

AI 洞察我们可以像第二弹那样单独做，也可以交给飞书龙虾按表再总结。

【飞书龙虾的那一章节】

配图

*（让龙虾帮我们分析表格数据）*

为什么我一直坚持把数据写进多维表格，而不是只把 Agent 当成唯一入口，因为我认为这种方式对小白和团队都更友好，表里的每一行对应一条可追溯的记录——标题、链接、时间、播放量、评论摘录都在，任何人打开表就能「看见产出了什么」，理解和纠错的成本都低。相比之下，如果只依赖对话式 Agent，中间经历了哪些检索、筛掉了什么、有没有幻觉，往往像黑盒：用起来快，出了问题却难定位，也不利于和同事对齐口径。

多维表格在这里更像人机之间的「可观测层」：自动化负责搬运与结构化，人负责筛选与判断；需要再上 AI 时，也可以让模型基于同一份表内事实去做归纳（例如飞书龙虾、多维表格插件里的 AI），而不是从零开始「口述需求—等一个不可复查的答案」。这样既保留自动化的效率，又保留可迭代的空间。

📋 这套B站关键词相关模板，我整理成模板了

跟着上面步骤搭要花点时间。想直接拿现成的改，加我微信备注「B站关键词」，我发你。

🤔 卡在某一步了？

搭建过程里如果哪一步卡住了，如果你照着做没跑通，或者你们公司情况不太一样，可以找我聊聊，我免费帮你看看怎么调。不合适我也会直说。

加吨师傅微信咨询飞书多维表格搭建

扫码加我，备注「B站关键词」领模板

想看更多这类方案，我都整理在 吨师傅工具箱 里了：客户管理、进销存、工单报修……按场景分好类，可以直接抄。

Related Posts

发表评论

您的邮箱地址不会被公开。 必填项已用 * 标注

滚动至顶部