Cào dữ liệu VOZ｜Diễn đàn công nghệ & đời sống lớn nhất Việt Nam (không cần API, không cần đăng nhập)

Cào VOZ (voz.vn): danh sách chủ đề mới nhất của từng box, nội dung bài đầu và toàn bộ bình luận của một chủ đề. Dùng HTML công khai, không cần trình duyệt, kết quả là dữ liệu có cấu trúc (JSON/CSV/Excel).

Các trường dữ liệu

Danh sách chủ đề của box (ListingRow, content là null)

Trường	Kiểu	Mô tả
post_id	string	ID chủ đề
site	string	Luôn là voz
board	string | null	ID box (forumId bạn nhập khi truy vấn)
is_hidden	boolean	Dòng này có bị ẩn hay không. Trên VOZ hiện luôn là false; trường được giữ để cùng một lược đồ với hardwarezone-scraper
title	string | null	Tiêu đề
author	string | null	Người tạo chủ đề
reply_count	number | null	Số trả lời (trang gốc hiển thị dạng "3K"; đã chuyển thành số nguyên)
view_count	number | null	Lượt xem (xử lý tương tự "300K" / "4M")
created_at	string | null	Thời gian đăng (ISO 8601, kèm múi giờ +0700)
last_reply_at	string | null	Thời gian trả lời gần nhất (ISO 8601, kèm +0700)
post_url	string | null	Liên kết chủ đề
content	string | null	Nội dung (null ở chế độ danh sách)
source_mode	string	Chế độ đã dùng
source_query	string	Điều kiện truy vấn (ID box)
scraped_at	string	Thời gian cào (ISO 8601)

Bài đầu (ThreadRow, cùng trường, có thêm content)

Trường	Kiểu	Mô tả
content	string | null	Toàn văn bài đầu (đã bỏ thẻ HTML, bỏ phần trích dẫn, khoảng trắng được rút gọn)

board của bài đầu luôn là null (chế độ chủ đề không có ID box). reply_count / view_count / last_reply_at luôn là null (các trường này chỉ có ở trang danh sách box).

Bình luận (ReplyRow, chỉ ở chế độ Chủ đề đầy đủ)

Trường	Kiểu	Mô tả
reply_id	string	ID bình luận (ID phần tử bài viết; nếu thiếu thì dùng {ID chủ đề}-{tầng})
post_id	string	ID chủ đề chứa bình luận
site	string	Luôn là voz
floor	number | null	Số tầng (#, bắt đầu từ 1, đánh số liên tục qua các trang)
is_hidden	boolean	Bài bị ẩn (trên VOZ hiện luôn false). Dòng true chỉ là chỗ giữ vị trí và không tính phí
author	string | null	Tác giả
content	string | null	Nội dung bình luận (đã bỏ thẻ HTML, bỏ phần trích dẫn)
created_at	string | null	Thời gian bình luận (ISO 8601, kèm +0700)
scraped_at	string	Thời gian cào (ISO 8601)

Tên trường giống hệt hardwarezone-scraper (Singapore), lihkg-scraper (Hồng Kông) và ptt-scraper (Đài Loan) nên có thể gộp dữ liệu diễn đàn nhiều nước vào một bảng.

Các chế độ

Chế độ	Đầu vào	Đầu ra	Tính phí
forum	forumIds (ID box), keywords (lọc tiêu đề, tùy chọn)	Danh sách chủ đề	$0.002/dòng
thread	threadIds / threadUrls	Bài đầu ($0.008/bài) + toàn bộ bình luận ($0.003/bình luận)	Theo số lượng

Các tham số đầu vào

Tham số	Kiểu	Mặc định	Mô tả
mode	enum	forum	Chế độ: forum / thread (bắt buộc)
forumIds	array	["17"]	ID box, ví dụ 17 (Chuyện trò linh tinh), 70 (Tư vấn cấu hình), 36 (Apple), 42 (AI). Xem thêm các box tại voz.vn
threadIds	array	—	ID chủ đề
threadUrls	array	—	URL chủ đề, tự động lấy ID chủ đề
bulkInput	textarea	—	Dán hàng loạt, mỗi dòng một mục, tự động gộp vào ô tương ứng theo chế độ
keywords	array	—	Chế độ box: lọc theo từ khóa trong tiêu đề (để trống = không lọc)
maxItems	integer	50	Chế độ box: số chủ đề tối đa mỗi box; chế độ chủ đề: số chủ đề tối đa. Tối đa 2000
maxReplies	integer	—	Chế độ chủ đề: số bình luận tối đa mỗi chủ đề (mỗi bình luận đều tính phí). Để trống = không giới hạn
keepQuotes	boolean	false	Chế độ chủ đề: giữ phần trích dẫn ("X đã nói: ...") trong nội dung. Mặc định loại bỏ
dateFrom	string	—	Chế độ box: chỉ lấy chủ đề từ thời điểm này (3d, 12h, 2w hoặc MM/DD/YY). Khi đặt sẽ dừng lật trang sớm
proxyConfiguration	proxy	Apify datacenter proxy	Mặc định bật. Nếu bị Cloudflare chặn, đổi sang RESIDENTIAL + quốc gia VN

Ví dụ đầu vào

1. Chủ đề mới nhất của một box

{
  "mode": "forum",
  "forumIds": ["17"],
  "maxItems": 50
}

2. Giám sát theo từ khóa trong tiêu đề, chạy theo lịch mỗi ngày

{
  "mode": "forum",
  "forumIds": ["36", "70"],
  "keywords": ["iPhone", "RTX"],
  "dateFrom": "1d",
  "maxItems": 100
}

3. Một chủ đề đầy đủ (bài đầu + bình luận)

{
  "mode": "thread",
  "threadUrls": [
    "https://voz.vn/t/vozer-father-ver-2026-hoi-nhung-ong-bo-bim-sua.1089186/"
  ]
}

4. Giới hạn chi phí cho chủ đề dài (100 bình luận đầu)

{
  "mode": "thread",
  "threadIds": ["1089186"],
  "maxReplies": 100
}

5. Giữ nguyên phần trích dẫn

{
  "mode": "thread",
  "threadIds": ["1089186"],
  "maxReplies": 40,
  "keepQuotes": true
}

Ví dụ kết quả

{
  "post_id": "1089186",
  "site": "voz",
  "board": "17",
  "is_hidden": false,
  "title": "[Vozer Father ver.2026] Hội những ông bố bỉm sữa",
  "author": "vtalinh",
  "reply_count": 3000,
  "view_count": 300000,
  "created_at": "2025-04-11T08:15:15+0700",
  "last_reply_at": "2026-10-10T16:30:06+0700",
  "post_url": "https://voz.vn/t/vozer-father-ver-2026-hoi-nhung-ong-bo-bim-sua.1089186/",
  "content": null,
  "source_mode": "forum",
  "source_query": "17",
  "scraped_at": "2026-10-10T10:00:00.000Z"
}

Lưu ý

• Chỉ lấy nội dung công khai, không cần tài khoản hay token.
• Không dùng dữ liệu để huấn luyện mô hình AI. VOZ khai báo ai-train=no trong robots.txt; dữ liệu từ actor này chỉ dùng cho nghiên cứu, giám sát thương hiệu và phân tích thị trường hợp pháp.
• Actor chỉ truy cập các đường dẫn robots.txt cho phép (danh sách box và trang chủ đề). Không dùng /search/, /whats-new/, trang hồ sơ thành viên hay tệp đính kèm, và giữ tốc độ tối đa 60 yêu cầu/phút.
• Không có tìm kiếm toàn diễn đàn: tham số keywords chỉ lọc theo tiêu đề trong các box bạn chỉ định.
• Phần trích dẫn ("X đã nói: ... Nhấp để mở rộng...") mặc định bị loại khỏi content để không lặp lại bài của người khác; đặt keepQuotes: true nếu muốn giữ.
• reply_count / view_count trên trang gốc ở dạng viết tắt "3K" / "4M", đã chuyển thành số nguyên.
• Thời gian là ISO 8601 kèm múi giờ +0700 (giờ Việt Nam), giữ nguyên như trang gốc.
• Tự dừng sau 5 trang liên tiếp không có dữ liệu mới để không đốt chi phí; nếu đặt dateFrom, actor dừng ngay khi cả trang (không tính chủ đề ghim) đều cũ hơn mốc đó.
• VOZ chạy sau Cloudflare. Hiện tại datacenter proxy vẫn hoạt động; nếu về sau gặp thử thách Cloudflare, đổi proxy sang RESIDENTIAL và chọn quốc gia VN.

Câu hỏi thường gặp (FAQ)

Hỏi: Có cần đăng nhập không?

Đáp: Không. Actor chỉ lấy danh sách chủ đề và bài viết công khai, không dùng bất kỳ chức năng nào yêu cầu đăng nhập.

Hỏi: Có lấy được nhiều box cùng lúc không?

Đáp: Có. Điền nhiều ID vào forumIds hoặc dán mỗi dòng một ID vào bulkInput.

Hỏi: Làm sao biết ID box và ID chủ đề?

Đáp: Trong URL: voz.vn/f/chuyen-tro-linh-tinhtm.17/ thì ID box là 17; voz.vn/t/...bo-bim-sua.1089186/ thì ID chủ đề là 1089186. Dán nguyên URL vào threadUrls cũng được.

Hỏi: Tìm kiếm toàn diễn đàn theo từ khóa có được không?

Đáp: Không. Trang tìm kiếm của VOZ nằm trong danh sách bị robots.txt cấm nên actor không dùng. keywords chỉ lọc tiêu đề trong các box đã chọn. Để theo dõi từ khóa, hãy chạy theo lịch mỗi ngày với dateFrom: "1d" trên các box liên quan.

Hỏi: Một chủ đề dài có tốn nhiều tiền không?

Đáp: Có thể. Chế độ chủ đề mặc định lấy toàn bộ, mỗi bình luận tính một sự kiện review-item ($0.003). Chủ đề phổ biến có thể có hàng nghìn bình luận, hãy đặt maxReplies (ví dụ 100) để giới hạn; bài đầu tính riêng một product-detail. maxItems giới hạn số chủ đề, không phải số bình luận.

Hỏi: Vì sao board là null ở chế độ chủ đề?

Đáp: Trang chủ đề không chứa ID box và đầu vào chỉ có ID chủ đề, nên actor trả về null thay vì đoán.

Hỏi: Bị chặn thì làm gì?

Đáp: Log sẽ có dòng Rate limited on hoặc [incomplete-data]. Thử giảm số lượng, hoặc đổi proxy sang RESIDENTIAL với quốc gia VN.

📚 Hướng dẫn và công cụ liên quan

Hướng dẫn thực hành và công cụ miễn phí dựa trên actor này, tại AI Social API (tiếng Anh):

• 📖 Chuyên đề: Dữ liệu diễn đàn Đông Nam Á: lấy bài viết và bình luận từ Pantip và VOZ khi không có API chính thức
• 📖 Hướng dẫn: Xây dựng pipeline phân tích cảm xúc diễn đàn không cần code với Apify + n8n + GPT
• 📊 Dữ liệu: Bảng so sánh khả năng thu thập và chi phí của các diễn đàn châu Á — đo từ các lần chạy thật: diễn đàn nào chỉ cần request thường, diễn đàn nào cần IP residential, và mỗi mục tốn bao nhiêu
• 🛠 Công cụ miễn phí: Kiểm tra nhanh cảm xúc trên diễn đàn · Máy tính chi phí Apify
• 🤝 Không muốn tự chạy? Để chúng tôi chạy giúp mỗi ngày — lên lịch chạy hằng ngày và gửi dữ liệu vào Google Sheet hoặc Slack của bạn, từ US$299/tháng.

Được duy trì bởi người đang vận hành hơn 30 Apify actor đang hoạt động.

Tuyên bố miễn trừ trách nhiệm

Công cụ này chỉ dùng cho nghiên cứu học thuật và phân tích thương mại hợp pháp. Người dùng phải tuân thủ điều khoản dịch vụ của VOZ và pháp luật liên quan, tôn trọng robots.txt, và không dùng dữ liệu để huấn luyện mô hình AI. Không dùng công cụ để xâm phạm quyền riêng tư, phát tán thông tin sai lệch hay bất kỳ hành vi vi phạm pháp luật nào. Tác giả không chịu trách nhiệm về việc lạm dụng. Nếu chủ sở hữu trang yêu cầu gỡ bỏ, việc sử dụng sẽ dừng lại.

---

Cào VOZ, scraper VOZ, voz.vn, diễn đàn Việt Nam, Vietnam forum scraper, VOZ forum data, social listening Việt Nam, giám sát thương hiệu, nghiên cứu thị trường Việt Nam, xuất JSON CSV Excel