爆款小红书笔记采集神器！Python开发，正文一键爬取

一、背景介绍

1.1 爬取目标

小红书是国内集社交、分享、购物于一体的综合性平台，为用户提供了一个交流经验、获取灵感和享受购物乐趣的沟通渠道，同时也是国内流量数一数二的生态网站。很多行业的操盘手需要获取热门笔记、热门作者的作品数据，从而提升自己账号的互动数据和价值。因此，我用python开发了一个爬虫采集软件，可自动按笔记链接抓取笔记的详情数据。

为什么有了源码还开发界面软件呢？方便不懂编程代码的小白用户使用，无需安装python，无需改代码，双击打开即用！

软件界面截图：

爬取结果截图：

以上。

1.2 演示视频

软件使用演示：有。

1.3 软件说明

几点重要说明：

以上。

二、代码讲解

2.1 爬虫采集模块

请求地址：

代码语言：python代码运行次数：3复制

# 请求地址
url = 'https://edith.xiaohongshu.com/api/sns/web/v1/feed'

请求头：

代码语言：python代码运行次数：0复制

# 请求头
h1 = {
	'Accept': 'application/json, text/plain, */*',
	'Accept-Encoding': 'gzip, deflate, br',
	'Accept-Language': 'zh-CN,zh;q=0.9,en;q=0.8,en-GB;q=0.7,en-US;q=0.6',
	'Content-Type': 'application/json;charset=UTF-8',
	'Cookie': '换成自己的cookie值',
	'Origin': 'https://www.xiaohongshu.com',
	'Referer': 'https://www.xiaohongshu.com/',
	'Sec-Ch-Ua': '"Microsoft Edge";v="119", "Chromium";v="119", "Not?A_Brand";v="24"',
	'Sec-Ch-Ua-Mobile': '?0',
	'Sec-Ch-Ua-Platform': '"macOS"',
	'Sec-Fetch-Dest': 'empty',
	'Sec-Fetch-Mode': 'cors',
	'Sec-Fetch-Site': 'same-site',
	'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/119.0.0.0 Safari/537.36 Edg/119.0.0.0',
}

说明一下，cookie是个关键参数。Cookie是存储在用户计算机上的小文本文件，用于存储用户的网站偏好、登录信息、购物车内容等信息。Cookie在网站和用户之间传递信息，以提供更好的用户体验和个性化的服务。其中，cookie里的a1和web_session获取方法，如下:

请求参数：

代码语言：python代码运行次数：0复制

# 请求参数
post_data = {
	"source_note_id": note_id,
	"image_formats": ["jpg", "webp", "avif"],
	"extra": {"need_body_topic": "1"}
}

发送请求和接收数据：

代码语言：python代码运行次数：1复制

# 发送请求
r = requests.post(url, headers=h1, data=data_json)
# 接收数据
json_data = r.json()

逐个解析字段数据，以"笔记标题"为例：

代码语言：python代码运行次数：0复制

# 笔记标题
try:
	title = json_data['data']['items'][0]['note_card']['title']
except:
	title = ''

熟悉xhs的朋友都知道，有些笔记是没有标题的，所以这里加上try保护，防止程序报错导致中断运行。

最后，是把数据保存到csv文件：

代码语言：python代码运行次数：0复制

# 返回数据
data_row = note_id, title, desc, create_time, update_time, ip_location, like_count, collected_count, comment_count, share_count, nickname, user_id, user_url
# 保存到csv文件
with open(self.result_file, 'a ', encoding='utf_8_sig', newline='') as f:
	writer = csv.writer(f)
	writer.writerow(data_row)

这里采用csv库保存数据，方便每爬取一条笔记数据，快速保存到csv文件中。

完整代码中，还含有：判断循环结束条件、转换时间戳、js逆向解密等关键实现逻辑，详见文末。

2.2 软件界面模块

主窗口部分：

代码语言：python代码运行次数：0复制

# 创建主窗口
root = tk.Tk()
root.title('小红书详情采集软件v1.2 | 马哥python说')
# 设置窗口大小
root.minsize(width=850, height=650)

输入控件部分：

代码语言：python代码运行次数：0复制

# a1填写
tk.Label(root, justify='left', text='a1:').place(x=30, y=80)
entry_a1 = tk.Text(root, bg='#ffffff', width=96, height=2, )
entry_a1.place(x=125, y=80, anchor='nw')  # 摆放位置
# web_session填写
tk.Label(root, justify='left', text='web_session:').place(x=30, y=120)
entry_web_session = tk.Text(root, bg='#ffffff', width=96, height=2, )
entry_web_session.place(x=125, y=120, anchor='nw')  # 摆放位置

底部版权部分：

代码语言：python代码运行次数：0复制

# 版权信息
copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)

以上。

2.3 日志模块

日志文件对于系统管理、故障排除、性能监控、安全审计等方面都起着至关重要的作用，帮助管理员和分析师了解系统的运行情况并作出相应的决策。日志模块的代码：

代码语言：python代码运行次数：2复制

def get_logger(self):
	self.logger = logging.getLogger(__name__)
	# 日志格式
	formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
	# 日志级别
	self.logger.setLevel(logging.DEBUG)
	# 控制台日志
	sh = logging.StreamHandler()
	log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
	# info日志文件名
	info_file_name = time.strftime("%Y-%m-%d")   '.log'
	# 将其保存到特定目录
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir   info_file_name,
										when='MIDNIGHT',
										interval=1,
										backupCount=7,
										encoding='utf-8')

日志文件截图：

以上。

三、结尾

我是一枚10年程序猿，专注Python开发。

python爬虫数据采集软件需求采集小红书笔记爬取小红书抓取小红书小红书爬虫小伙伴笔记

0 人点赞