Início › Blog › X v11.90 Articles Scraper

X v11.90 Articles Scraper: threadgrab Long-Form 2026

11 de Junho, 2026 · 8 min de leitura · por ThreadGrab

Se você extrai Artigos do X com um script que funcionava em março de 2026, esse script provavelmente parou de funcionar no final de maio. A versão v11.90 do aplicativo móvel do X moveu a entrada Ver Todos os Artigos de uma aba oculta na página de perfil para um controle segmentado no topo, e nos bastidores trocou o endpoint REST público por uma nova rota GraphQL. Scrapers que hard-codaram a URL antiga agora recebem 200 com corpo vazio, o formato do id do artigo mudou de numérico de 18 dígitos para base64 de 19 dígitos, e o corpo do artigo agora é um JSON com spans de entidades nomeadas em vez de texto simples. Este post explica o que mudou, por que seu scraper antigo quebrou e como usar a API do threadgrab para buscar o novo layout v11.90 como Markdown limpo em uma única chamada.

O threadgrab foi atualizado para lidar com as mudanças do v11.90 nativamente. Abaixo está a nova referência de campos, dois exemplos de código prontos para usar e uma comparação lado a lado com as duas outras abordagens que desenvolvedores tentaram (GraphQL puro do X e o projeto tweet.md). Se você mantém uma ferramenta pública de arquivamento do X ou constrói dados de treinamento para LLMs a partir de criadores de conteúdo longo, este é o caminho mais curto para uma saída funcional em 2026.

O que o X v11.90 Mudou no Layout de Artigos

Três coisas mudaram, e elas são independentes — um scraper pode sobreviver a uma ou duas delas, mas não às três ao mesmo tempo.

1. A entrada Ver Todos os Artigos foi movida

Antes do v11.90, o link "Ver Todos os Artigos" era uma aba na página de perfil do criador, três linhas abaixo de Posts, Respostas, Mídia e Curtidas. No v11.90, tornou-se o primeiro item em um novo controle segmentado no topo do cabeçalho do perfil, ao lado de Posts / Respostas / Mídia. A mudança visível é pequena, mas a requisição subjacente mudou: a aba antiga chamava /Articles/search.json?include_replies=false, a nova entrada chama /i/api/graphql/<hash>/ArticleTimeline. Qualquer coisa hard-codada para o caminho antigo agora recebe 200 com um array vazio.

2. O formato do id do artigo mudou

O id de artigo legado era uma string numérica de 18 dígitos (por exemplo 1823456789012345678). O novo id é uma string base64 de 19 caracteres com maiúsculas, minúsculas e dígitos (por exemplo a1B2c3D4e5F6g7H8i9J0). O novo id também é opaco — ele não codifica o timestamp de publicação como o antigo fazia, então um scraper não pode inferir a data de publicação apenas pelo id. URLs que funcionavam em março agora retornam 404 porque o fragmento do id é rejeitado pela camada de roteamento.

3. O corpo do artigo agora é uma lista JSON de entidades nomeadas

O corpo antigo era texto simples com asteriscos para negrito (**texto**) e padrões de URL com colchetes angulares para links. O novo corpo é um array JSON de spans de entidades, onde cada span tem um campo type (text, bold, link, mention, hashtag, media_ref) e um payload. Scrapers ingênuos perdem a formatação porque concatenam os spans text sem percorrer os spans bold, link e mention. Uma frase em negrito como **Liberdade de Alcance chega como três spans separados: um span text contendo a string vazia, um span bold contendo Liberdade de Alcance e um span text final. Se você os remontar errado, o negrito desaparece.

Como o threadgrab Lida com o Novo Layout

A API de perfil do threadgrab encapsula todas as três mudanças. Você passa uma URL de artigo público ou um nome de usuário, e o threadgrab retorna um corpo Markdown simples mais metadados. A lógica de conversão percorre os spans de entidades nomeadas na ordem do documento e produz Markdown padrão: text vira texto simples, bold vira **texto**, link vira [texto](url), mention vira @usuario, hashtag vira #tag e media_ref vira ![alt](image_url) com o texto alternativo extraído do campo alt_text do span quando presente.

O resultado é uma string Markdown que funciona perfeitamente em qualquer renderizador (md2rich, GitHub, Obsidian, visualização VS Code, md2pdf). O threadgrab não inventa formatação que o autor original não escreveu — se o autor não usou negrito em uma frase, a saída não usa negrito nela.

Captura de artigo único (curl)

curl -s "https://threadgrab.com/api/profile?url=https://x.com/jack/status/a1B2c3D4e5F6g7H8i9J0" \
  | jq '.article | {title, author, published_at, body_markdown}'

A resposta é um objeto JSON com cinco campos principais: title (string), author (objeto com username, display_name, verified), published_at (string ISO 8601), body_markdown (o Markdown formatado) e media (array de objetos {type, url, alt_text} para imagens, vídeos e enquetes). Tempo médio de resposta em uma borda Cloudflare do leste dos EUA: 1,1 a 1,4 segundos para um artigo de 2.000 palavras, 0,6 a 0,9 segundos para um artigo de 500 palavras.

Extração em lote de perfil (curl com paginação por cursor)

USERNAME="naval"
CURSOR=""
LIMIT=20

while true; do
  RESP=$(curl -s "https://threadgrab.com/api/profile/${USERNAME}/articles?cursor=${CURSOR}&limit=${LIMIT}")
  echo "$RESP" | jq '.articles[] | {title, published_at, id: .article_id}'
  CURSOR=$(echo "$RESP" | jq -r '.next_cursor')
  [ -z "$CURSOR" ] || [ "$CURSOR" = "null" ] && break
  sleep 1
done

Este loop percorre o feed completo de Artigos do criador página por página. Cada chamada retorna 20 artigos mais uma string next_cursor; quando next_cursor está vazio ou null, você chegou ao final do feed público. A pausa de um segundo entre chamadas mantém a taxa de requisições no limite suave de 1 req/s/IP. Um criador com 200 artigos leva cerca de 11 segundos do início ao fim, incluindo a sobrecarga das pausas.

Referência de Campos: Formato da Resposta do threadgrab v11.90

O objeto JSON completo retornado pelo endpoint de artigo único tem a estrutura abaixo. Os campos estão estáveis a partir do threadgrab v1.18 (junho de 2026).

O campo body_markdown é o que a maioria dos usuários precisa. É uma string única com quebras de linha preservadas da fonte, e a sintaxe de negrito / link / menção / hashtag / imagem é renderizada como Markdown padrão que qualquer renderizador interpretará corretamente. Se você precisar apenas de texto simples, passe o resultado por sed ou sua ferramenta Markdown-para-texto favorita para remover a sintaxe — o conteúdo textual original é recuperável em uma passada.

Comparação: threadgrab vs GraphQL Puro vs tweet.md

Três abordagens estão em uso hoje para extrair Artigos do X após a mudança do v11.90. Veja como elas se comparam nas três coisas que quebraram.

Para um caso de uso como "quero ler este Artigo offline como Markdown" ou "quero construir um corpus de posts longos para treinamento de LLM", o threadgrab é o caminho mais curto. Para um caso de uso como "estou construindo um produto de analytics em tempo real do X e preciso de dados de engajamento brutos", a rota GraphQL é inevitável. O tweet.md é uma boa opção para posts curtos e threads, menos para o novo corpo do Artigo.

Limitações e o que o threadgrab Não Faz

Ser honesto sobre os limites da ferramenta importa mais do que superestimá-la. A lista abaixo é o que o threadgrab v1.18 não faz, a partir de junho de 2026.

• Contas protegidas. Se os Artigos do autor estão atrás de um login, o threadgrab retorna 403. Não há solução alternativa — o conteúdo não está na web pública.
• Histórico de edição. Um Artigo que o autor editou cinco vezes é retornado em sua forma atual. Versões anteriores não são expostas pelo X, então o threadgrab não pode reconstruí-las.
• Posts compostos Quote-Article. Um Quote-Article é um post normal com um card de Artigo anexado. O threadgrab retorna o texto do post e os metadados do card, mas não o corpo do Artigo incorporado, a menos que você faça uma segunda chamada ao endpoint de artigo com o article_id do card.
• Rascunhos e Artigos agendados. Rascunhos e posts agendados não estão na web pública, então não são extraíveis por nenhum método, incluindo threadgrab.
• Números agregados de alcance por audiência. A caixa preta de alcance que cobrimos no post Liberdade de Alcance também se aplica ao threadgrab — o instantâneo de engajamento na resposta é o que o X mostra ao público, não o número interno de alcance.

FAQ

Experimente em um Artigo Público

A maneira mais rápida de ver o novo layout v11.90 passar pelo threadgrab é pegar qualquer Artigo público no x.com, copiar a URL e executar o exemplo curl de artigo único acima. Você deve receber uma resposta JSON limpa em 1,5 segundos em uma borda dos EUA ou UE, com o corpo em Markdown que você pode colar no Obsidian, em um gist do GitHub ou no conversor md2rich para uma prévia lado a lado de como a formatação é renderizada.

Leitura Relacionada

• X para Markdown 2026: 3 Maneiras de Salvar Threads do X — aborda as abordagens tweet.md, threadgrab e leitor de navegador para posts curtos e threads.
• Arquivamento de Threads do X em 2026: 5 Ferramentas Comparadas — uma visão mais ampla de Nitter, Thread Reader, archive.today, scripts curl e threadgrab para arquivamento completo de threads.
• Liberdade de Alcance dos Artigos do X 2026: A Caixa Preta do Algoritmo — o que o número de alcance diz e não diz sobre quem viu um Artigo.
• Artigos do X vs Bluesky vs LinkedIn Newsletter — o confronto de long-form de 2026, com uma árvore de decisão para escolher em qual plataforma escrever.