用 Python 拉 Facebook 主页帖子：先解析 URL，再回传游标
手里通常只有一条公开主页链接，没有 page_id。pages-posts 不吃 facebook.com/nasa，也不吃 page=2。要先用 page-details 把 URL 换成 id，之后的续读只认上一页带回、你造不出来的 cursor——原样回传，不要自增。把 Facebook 主页当成编号目录，或跳过解析把 handle 塞进 page_id，才是这次采集写错的地方。
下面用一段 Python：解析链接、原样回传游标、自己设页预算，游标缺失或重复就停，窗口重叠按 post_id 去重。打开本文或复制代码不会发请求；换成真实密钥并执行后才会调用、才会扣额度。
Facebook 数据 API 只读公开主页表面，不是 Meta 的 Page Insights，也不保证完整历史。互动数字是采集当下的快照。
主页帖子不是 offset 翻页
pages-posts 没有 page、没有 offset、也不能由客户端指定页长。下一页的唯一合法输入，是同一个操作、同一个 page_id 上一页带回的 cursor。不要拆、不要截断、不要自增，也不要把 search-pages 或 search-post 的游标塞进来。相邻页可能重叠。页大小以实际 results 长度为准，那是观察值，不是合同。停手不等于已经拿到全部历史。
登录后从控制台复制有权使用的 Key，放在服务端环境变量 OPENDATA_API_KEY。查询串里带 key，日志、截图、异常栈都要脱敏，不要写进前端。示例里的 YOUR_API_KEY 只是占位，不是可用密钥。不需要 Facebook 登录 Cookie。生产环境把循环放在服务端跑，浏览器里拼带密钥的 GET 等于把额度公开。
每次响应有两层状态。HTTP 4xx/5xx 是传输、鉴权或额度问题。HTTP 200 不等于成功：网关信封仍是 code / message / data，业务成功看 code=200。然后再看 data 里的业务体：主页详情是 results 对象，主页帖子是 results 数组加 cursor。不要把结构异常改写成空数组当成功。start_date / end_date 在部分路由上有文档，格式和筛选效果未验证，不要套别家产品的日期写法。
先把公开 URL 解析掉
表格里的个性链接不是 page_id。page-details 吃公开 URL。文档示例是 https://www.facebook.com/facebook。先核对 results.name 和 results.page_id，再采集。search-pages 的命中只是候选，不等于品牌官方号，标识字段还叫 facebook_id，和详情的 page_id 不是同一个名字。先在详情上确认身份，再把详情里的 page_id 交给帖子接口。
若详情给出 type=private_page 且没有身份，这是不确定结论：分不清页面不存在、非公开还是暂时不可访问。停。不要自己编 ID，也不要当抖动去重试。
search-post 的关键词命中不是「这个主页自己发的帖」。search-pages 出现 results=[] 且 cursor=null 可以是合法空结果。先看 HTTP 和外层 code；空搜索或含糊的详情，都不能当成全网不存在的证明。
第一页只传 page_id，不要带 cursor，也不要用空字符串占坑。帖子在 data.results，续翻字段就在这份业务体的 cursor。有值就原样带回；缺失、null 或空字符串就结束。采样里出现过 100064860875397 这类 ID，那只是笔记用的对照，生产里用详情真正返回的值。
原样回传游标，限制页数
先装 requests，在服务端导出 OPENDATA_API_KEY。下面的循环最多五页，是客户端预算，不是平台公布的上限或重试合同。遇到空、重复游标或打满页数就停。集合只在本次进程有效；定时任务请把 (page_id, post_id) 做成库唯一键。
import json
import os
from datetime import datetime, timezone
import requests
API_KEY = os.environ["OPENDATA_API_KEY"]
BASE = "https://api.opendata-api.com/api/project/facebook-scraper"
MAX_PAGES = 5 # local cost guard, not an API limit
def read(operation, **params):
response = requests.get(
f"{BASE}/{operation}",
params={"key": API_KEY, **params},
timeout=30,
)
if not 200 <= response.status_code < 300:
raise RuntimeError(f"HTTP failure: {response.status_code}")
body = response.json()
if not isinstance(body, dict) or body.get("code") != 200:
raise RuntimeError("Gateway business failure; inspect redacted status")
payload = body.get("data")
if not isinstance(payload, dict):
raise RuntimeError("Unexpected operation payload; validate before parsing")
return payload
def collect(page_url):
details = read("page-details", url=page_url).get("results")
if not isinstance(details, dict) or not details.get("page_id"):
raise RuntimeError("Page identity unresolved; review the source URL")
if details.get("type") == "private_page":
raise RuntimeError("Inconclusive Page result; do not invent a page_id")
page_id = str(details["page_id"])
seen_posts, seen_cursors = set(), set()
cursor = None
for _ in range(MAX_PAGES):
params = {"page_id": page_id}
if cursor is not None:
params["cursor"] = cursor
payload = read("pages-posts", **params)
posts = payload.get("results")
if not isinstance(posts, list):
raise RuntimeError("Expected the sampled Page-post results array")
observed_at = datetime.now(timezone.utc).isoformat()
for post in posts:
if not isinstance(post, dict) or not post.get("post_id"):
raise RuntimeError("Post has no usable identifier")
post_id = str(post["post_id"])
if post_id in seen_posts:
continue
seen_posts.add(post_id)
timestamp = post.get("timestamp")
published_at = (
datetime.fromtimestamp(timestamp, timezone.utc).isoformat()
if isinstance(timestamp, (int, float))
else None
)
yield {
"page_id": page_id,
"post_id": post_id,
"published_at_utc": published_at,
"observed_at_utc": observed_at,
"raw": post,
}
next_cursor = payload.get("cursor")
if next_cursor is None or next_cursor == "":
break
if not isinstance(next_cursor, str):
raise RuntimeError("Unexpected cursor type")
if next_cursor in seen_cursors:
break
seen_cursors.add(next_cursor)
cursor = next_cursor
if __name__ == "__main__":
with open("page_posts.jsonl", "a", encoding="utf-8") as output:
for record in collect("https://www.facebook.com/facebook"):
output.write(json.dumps(record, ensure_ascii=False) + "\n")互动计数请另存观察时间，不要覆盖已知帖。不要用「页长 × 页数」估总量，合并只认字符串 post_id。失败运行可能留下半截 JSONL，不要标成采完。这里不假设自动重试：HTTP 或外层 code 失败就停，看脱敏后的状态，不要盲走游标。
评论、嵌套回复、单帖详情是另一条链路（comments / comments-nested / get-post-details），不要在翻页循环里逐条去打——那会把页预算悄悄乘上去，而且讨论键、expansion_token 都不能从列表页臆造。
不要自己编互动指标
帖子里实际有的再留：post_id、url、message / message_rich、数值型 timestamp、author / authors、comments_count、reactions_count、reshare_count、表情分类计数，以及可能为 null 的 image / video / video_files。ID 当字符串。缺了不是零。top_comments 只是预览，不是全部讨论；comments_id、shares_id 是下游标识，不代表你已经采完评论。
粉丝数和互动数是公开观察值，不是触达、曝光或 Page Insights。比发帖节奏时，发布时间与采集时间要分开存：同一条帖过几天再采，评论数会涨，那是观察窗口变了，不是「发布当天就有这么多互动」。媒体引用会变，也不等于转载授权。不要把每条帖压成自制「媒体对象」，更不要把表情分类直接当成情绪结论。竞品复盘只统计你实际入库、且带 page_id 的帖，不要拿关键词搜索的条数去当全网声量。
公开可见不等于可以自动采集。确认条款、合法处理依据和媒体权利，少存个人数据，设好保留期限。存下来的链接不是下载或再分发的许可。
脚本能跑之后仍常见的错：继续传 page=2 / offset / 自制游标；解码或截短 cursor；把搜索接口的游标塞进 pages-posts；跳过详情、把个性链接当成 page_id；把 private_page 当成已证实不存在；HTTP 200 但外层 code 不是 200 仍当帖子列表；缺少 results 数组却写成空成功；停手就宣布历史采全；覆盖互动快照而不打 observed_at_utc；把计数当成 Insights；把带 Key 的完整 URL 打进日志。先把这些停掉，再去接关键词搜索、广告或评论——那些路由的翻页字段本来就不同，混用等于换了件衣服的 page=2。