YouTube标签提取

把视频简介、标题或网页源码粘进来，本页一次性抽出井号标签、标签段与 keywords 元信息，输出成可直接复制的干净列表。解析全在浏览器里做，不联网抓取，粘贴的内容也不会上传。

提取口径：井号标签按 # 后到空格为止取词；「标签：」后的内容按逗号切分；网页源码里的 keywords 元信息从 content 属性里取。三类结果按在原文中出现的位置排序后再去重。

使用方法

YouTube标签提取是「粘贴、设参数、点提取」三步：

  1. 把视频简介、标题，或者整段网页源码粘进上方输入框。页面默认已经放好一段演示文本，包含井号标签、标签段和一行网页元信息，直接点按钮就能看到效果。
  2. 「重复标签」选「去重，保留首次出现」（默认）或「保留全部出现」。做视频上传一般选去重，做词频统计才选保留全部。
  3. 「最短字符数」填 1～20，默认 1 表示不筛。想过滤掉「的」「了」这类碎片，可以填 2。
  4. 「输出分隔符」选逗号、空格或换行。粘进后台标签框用逗号，写进文档用换行。
  5. 点「开始提取」，或在输入框里按 Ctrl（Mac 用 Command）+ Enter。五组统计卡片立刻更新，下方对照表默认 12 行，「加载更多」补到 16 行，还能导出 CSV、JSON 或复制 TSV。

YouTube标签提取能解决什么

它解决的是「标签散落在一大段文字里，手动挑太慢」这个具体问题，常见四类场景：

  • 复用别人的标签结构：把同赛道热门视频的简介粘进来，一次抽出 11 条不重复标签（演示文本中的露营、户外装备、新手教程、轻量化等），比逐行肉眼找快得多。
  • 整理自己写过的标签：老视频的标签经常一半在简介、一半在后台，粘进来合并去重后，直接得到一份可以复用的标签库。
  • 从网页源码里捞关键词：粘贴整段源码时，页面会自动读 keywords 元信息，演示文本里就抽出「露营装备、户外、新手教程、gear」四条。
  • 控制标签长度：看「平均标签长度」和「最长标签」这两张卡片。演示值平均 3.82 字符、最长 camping，说明这批标签偏短，适合做广泛覆盖而不是精准长尾。

本页不做的事：不联网抓取任何视频页面，也不解析视频链接后自动取标签——你必须自己把文本粘进来；不判断标签热度或搜索量；不翻译、不同义词归并，「camping」和「露营」会被当成两个标签。

原理和变量

① 用了哪个具体函数：三段正则各司其职，井号标签用 /#([^\s#,;:：。！？!?]+)/g 逐个捕获，标签段用 /标签[:：]([^\n]*)/g 取整行后按逗号切分，元信息先用 /<meta[^>]*>/gi 找出标签，再用 /content\s*=\s*["']([^"']*)["']/i 取属性值。每一条命中都记下它在原文里的下标，最后按下标排序、用字典去重后 join(分隔符) 输出。

② 关键参数为什么这样取：「最短字符数」默认 1 而不是 2，是因为中文标签两字词（徒步、户外）非常常见，默认筛掉会误伤；「重复标签」默认去重，是因为同一个标签在标签框里出现两次没有任何收益；分隔符默认逗号，因为多数视频后台的标签框就是逗号分隔。

③ 遵循哪个约定：井号标签的写法遵循各大平台的通用约定，即井号后连续的非空白字符算一个标签，遇到空格、逗号、分号或中英文句号就结束；去重遵循「保留首次出现」的稳定排序约定，所以同一段文本每次提取的顺序完全一致，方便对照。页面本身不发起任何网络请求。

④ 输入怎么变成输出：演示文本先归一化换行符、把全角逗号换成半角；井号标签命中 8 条，标签段命中 4 条，元信息命中 4 条，合计 16 条；按位置排序去重后剩 11 条，输出为 露营,户外装备,新手教程,轻量化,徒步,徒步装备,camping,hiking,露营装备,户外,gear；字符数合计 42，平均 42 ÷ 11 = 3.82。

⑤ 边界与阈值：输入长度允许 1～20000 字符，超过 20000 会提示先截断再粘；最短字符数限 1～20，越界会给出具体提示；一段文本里一个标签都没找到时，输出为空并在提示区说明「没有找到任何标签」，不会静默返回空字符串让你误以为成功。

⑥ 常见误用的正确解释：粘贴视频链接不等于粘贴简介——本页不会去访问链接，只解析你给的文本；把「标签：」写成「标签:」以外的写法（比如「关键词：」）不会被识别，因为第二段正则是按中英文冒号匹配的；去重只处理完全相同（区分大小写）的字符串，Camping 与 camping 是两个标签。

完整示例（数值仅作演示）

用页面默认的演示文本，参数保持去重、最短 1 字符、逗号分隔：

  • 第 1 行命中井号标签：露营、户外装备、新手教程（3 条）。
  • 第 2 行命中：轻量化、露营（2 条）。
  • 第 3 行命中：户外装备、徒步、露营（3 条）。
  • 第 4 行是标签段，按逗号切出：轻量化、徒步装备、camping、hiking（4 条）。
  • 第 5 行是网页元信息，从 content 里切出：露营装备、户外、新手教程、gear（4 条）。
  • 合计 3 + 2 + 3 + 4 + 4 = 16 条；去重后 11 条，输出见上方文本框。

把「重复标签」切成「保留全部出现」，输出条数会回到 16；把「最短字符数」改成 4，则只剩户外装备、新手教程、徒步装备、camping、hiking、露营装备这 6 条长度不小于 4 的标签。

输入范围与对照表

对照表按演示文本里的真实片段逐条列出来源与结果，前 12 行覆盖井号标签与标签段，后 4 行是元信息与边界情况。

演示文本片段与对应的提取结果
输入片段提取结果来源说明
#露营露营井号标签井号后到空格为止
#户外装备户外装备井号标签四字中文标签
#新手教程新手教程井号标签常见长尾标签
#轻量化轻量化井号标签三字中文标签
#徒步徒步井号标签两字中文标签
#geargear井号标签英文保留原始大小写
标签：轻量化轻量化标签段冒号后按逗号切分
标签：徒步装备徒步装备标签段同上
标签：campingcamping标签段英文按逗号切分
标签：hikinghiking标签段同上，长度 6
meta keywords（第 1 个）露营装备元信息取自 content 属性
meta keywords（第 2 个）户外元信息同上

对照表最后一行说明了一个关键点：没有井号、也没有「标签：」的普通句子不会被误判成标签，所以正文里的汉字不会污染结果。

结果边界和舍入

统计口径：YouTube标签提取的命中总数指去重前的原始数量，输出条数是经过最短字符数过滤和去重后的数量，两者之差就是被合并或过滤掉的条数。平均长度 = 输出标签字符数之和 ÷ 输出条数，保留 2 位小数，用 Number(v.toFixed(2)) 取舍，不会出现 3.8199999999999998 这样的长尾。

什么时候会提示：输入为空时提示「还没有粘贴任何内容」；输入超过 20000 字符时提示先截断；最短字符数不在 1～20 时给出区间提示。三条提示都会写在红色区域里，指明是哪个参数，不会静默归零。

长度与字符：长度按字符数（不是字节）计算，一个汉字算 1，一个英文字母也算 1，所以 demonstrating 这类长英文标签会明显拉高平均值。空标签（只有空格）会在过滤阶段丢掉。

结果性质：这是纯文本解析结果，只反映你粘贴内容里写出来的标签，不代表该视频后台真实的 keywords 字段，也不代表搜索热度。

常见问题

能直接贴视频链接吗？

不能。本页不联网，不会访问链接。请打开视频后把简介或标签区复制成文本，再粘进输入框。

为什么「关键词：」开头的行没被提取？

第二段正则只匹配中文或英文冒号前面的「标签」两个字。把「关键词：」改成「标签：」，或者用井号写成 #标签即可。

Camping 和 camping 会合并吗？

不会。去重按完全相同的字符串比较，区分大小写。想要统一大小写，可以先把文本里的英文统一成小写再粘贴。

最短字符数设多少合适？

默认 1 表示不过滤。想去掉「的、了、和」这类碎片可以设 2；只想要短语级标签设 3～4。注意中文两字词（徒步、户外）会被 3 以上过滤掉。

一次能处理多长的内容？

上限 20000 字符，超过会提示先截断。批量处理建议按视频分段粘贴，一次一个视频的简介最稳妥。

输出顺序是随机的吗？

不是。所有命中都按在原文中出现的位置排序，去重时保留首次出现，所以同一段文本每次提取的顺序完全一致，方便前后对照。

能导出成文件吗？

能。结果区右侧「复制结果」拿纯标签串；对照表下方「导出 CSV」带 BOM 可直接用表格软件打开，「导出 JSON」不带 BOM 适合程序读取，另有「复制对照表」复制 TSV。

我粘贴的内容会被上传吗？

不会。解析在浏览器内完成，刷新即清空；可在开发者工具的 Network 面板复查，点「开始提取」时不会发出任何请求。

相关工具