🚀 Interesse an diesem Projekt? Sprechen Sie mich an!
💰 Business Value
Automatisiertes Scraping-Tool, das YouTube-Videolinks und Titel aus HTML-Seiten extrahiert und als CSV exportiert – spart Stunden manueller Datenerfassung.
Effizienz
Automatisierte Extraktion von Hunderten Video-Links in Sekunden statt stundenlanger manueller Arbeit.
Kostensenkung
Open-Source-Technologien und lokale Ausführung minimieren laufende Kosten — keine teuren Cloud-Abhängigkeiten.
Präzision
Strukturierte CSV-Ausgabe mit Titel und URL – direkt weiterverwendbar in Datenbanken und Analyse-Tools.
Skalierbarkeit
Funktioniert mit beliebig großen YouTube-Seiten – von einzelnen Playlists bis zu kompletten Channel-Dumps.
💻 Code-Einblicke
Ein Blick unter die Haube des YouTube-Link-Extraktors:
🔍 BeautifulSoup Scraping-Logik
from bs4 import BeautifulSoup
import csv
BASE_URL = 'https://www.youtube.com'
def get_video_links(file_path):
with open(file_path, 'r', encoding='utf-8') as file:
content = file.read()
soup = BeautifulSoup(content, 'html.parser')
videos = []
for video in soup.find_all('a',
class_='yt-simple-endpoint focus-on-expand style-scope ytd-rich-grid-slim-media'):
title = video.get('title')
link = BASE_URL + video.get('href')
videos.append({'title': title, 'url': link})
return videos📊 CSV-Export mit DictWriter
def write_to_csv(videos, filename="videos.csv"):
with open(filename, 'w', newline='', encoding="utf-8") as csvfile:
fieldnames = ['title', 'url']
writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
writer.writeheader()
for video in videos:
writer.writerow(video)🚀 Main-Entry-Point
if __name__ == "__main__":
file_path = "code.txt"
videos = get_video_links(file_path)
write_to_csv(videos)
print(f"Video-Informationen wurden in 'videos.csv' geschrieben!")⚙️ Funktionsweise
Die Pipeline des YouTube-Link-Extraktors im Überblick.
📄
1. HTML laden
Die lokale HTML-Datei (code.txt) wird eingelesen und an BeautifulSoup übergeben.
🔬
2. Parsen
CSS-Klassen-Selektoren identifizieren alle Video-Elemente in der YouTube-Rich-Grid-Ansicht.
📋
3. Exportieren
Titel und vollständige URLs werden als strukturierte CSV-Datei gespeichert.
✅
4. Fertig
Die videos.csv kann direkt in Excel, Google Sheets oder Datenbanken importiert werden.
⚡ In wenigen Tagen zum MVP — mit Vibecoding.
🚀 Gebaut mit Vibecoding
👴 Klassische Entwicklung
- 📋 2–3 Wochen Requirements
- 🏗️ 2–3 Wochen Architektur
- 💻 3–4 Wochen Implementierung
- 🧪 1–2 Wochen Testing
- ⏱️ Gesamt: 8–13 Wochen
🤖 Vibecoding-Ansatz
- 🗣️ 0.5 Tage Prompt-Engineering
- ⚡ 2–3 Tage iterative Generierung
- 🔧 1–2 Tage Refinement
- ✅ 1 Tag Testing & Deployment
- ⏱️ Gesamt: 5–7 Tage
🎯 Strategische Erkenntnisse
Jedes Projekt liefert wertvolle Einsichten — technisch wie strategisch. Diese Learnings fließen direkt in Folgeprojekte ein.
Open Source = Unabhängigkeit
Offene Technologien bedeuten keine Vendor-Lock-ins, volle Kontrolle über den Code und langfristige Wartbarkeit ohne Lizenzkosten.
Bottom-up statt Big Bang
Kleine, funktionierende Prototypen schlagen monatelange Planungsphasen. Erst beweisen, dann ausrollen — iterativ und risikominimiert.
Wiederverwendbarkeit
Modular aufgebauter Code beschleunigt Folgeprojekte massiv. Einmal gelöste Probleme werden zur Template-Bibliothek für zukünftige Herausforderungen.
KI als Beschleuniger
Vibecoding mit Coding-Agenten komprimiert Entwicklungszyklen von Wochen auf Tage — ohne Qualitätseinbußen durch iterative Prompt-Verfeinerung.
Bereit für Ihr nächstes Projekt?
Lassen Sie uns gemeinsam herausfinden, wo Automatisierung und KI den größten Hebel für Ihr Business haben — unverbindlich und pragmatisch.
Analyse & Konzept
Wir analysieren Ihre Anforderungen und skizzieren eine passgenaue Lösung — technisch fundiert und wirtschaftlich sinnvoll.
Proof-of-Concept
Ein funktionierender Prototyp innerhalb weniger Tage — Sie sehen das Ergebnis, bevor Sie sich committen.
Projektbegleitung
Von der Entwicklung über das Deployment bis zum Go-Live — ich begleite Sie durch den gesamten Prozess.