Ubuntu Apache服务器使用youtube-transcript-api/pytube遇Bot检测问题如何解决？

针对你遇到的误报字幕禁用、HTTP 400错误及机器人检测问题，给出以下实用解决方法：

1. 配置YouTube Data API密钥 #

无授权请求极易被YouTube识别为机器人，添加API密钥可绕过大部分限制：

• 先在Google Cloud控制台创建API密钥，启用YouTube Data API v3，并限制密钥仅允许你的服务器IP访问，避免滥用。
• 修改代码调用：

  # youtube-transcript-api 添加API密钥
  from youtube_transcript_api import YouTubeTranscriptApi
  transcript = YouTubeTranscriptApi.get_transcript("视频ID", api_key="你的API_KEY")
  
  # pytube 配置API密钥
  from pytube import YouTube
  yt = YouTube("视频URL")
  yt.api_key = "你的API_KEY"
  

2. 模拟浏览器请求头 #

服务器默认请求头特征明显，手动添加浏览器UA等信息伪装成正常请求：

# pytube 修改请求头
from pytube import YouTube
yt = YouTube("视频URL", use_oauth=False, allow_oauth_cache=False)
yt.request.headers.update({
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36',
    'Accept-Language': 'en-US,en;q=0.9'
})

# youtube-transcript-api 自定义请求会话
import requests
from youtube_transcript_api import YouTubeTranscriptApi

session = requests.Session()
session.headers.update({
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/118.0.0.0 Safari/537.36'
})
transcript = YouTubeTranscriptApi.get_transcript("视频ID", http=session)

3. 规避机器人检测与IP限制 #

• 添加请求延迟：模拟人类操作节奏，每次请求前随机延迟1-3秒：

  import time
  import random
  time.sleep(random.uniform(1, 3))
  

• 检查服务器IP状态：DigitalOcean的IP可能被YouTube标记，可尝试更换服务器IP，或联系服务商确认IP是否在黑名单中；批量处理场景可使用代理IP旋转。

4. 补全服务器环境依赖 #

Ubuntu服务器可能缺少音频处理等必要依赖，执行以下命令安装：

sudo apt update && sudo apt install ffmpeg python3-pip

同时确保服务器Python版本与本地一致，避免版本兼容问题。

5. 采用OAuth认证（备选） #

若API密钥仍无法解决，可使用pytube的OAuth认证：

• 本地运行一次代码生成OAuth缓存文件（oauth.json）：

  from pytube import YouTube
  yt = YouTube("视频URL", use_oauth=True, allow_oauth_cache=True)
  yt.streams.first().download()  # 触发OAuth登录
  

• 将生成的oauth.json上传到服务器代码目录，确保权限正确，后续请求将自动使用缓存的认证信息。

内容的提问来源于stack exchange，提问作者Anushka Narsima