【GUI軟體】小紅書搜索結果批量採集，支持多個關鍵詞同時抓取！

来源:https://www.cnblogs.com/mashukui/archive/2023/12/14/xhs_search_tool.html
-Advertisement-
Play Games

目錄一、背景介紹1.1 爬取目標1.2 演示視頻1.3 軟體說明二、代碼講解2.1 爬蟲採集模塊2.2 軟體界面模塊2.3 日誌模塊三、獲取源碼及軟體 一、背景介紹 1.1 爬取目標 您好！我是@馬哥python說 ，一名10年程式猿。 我用python開發了一個爬蟲採集軟體，可自動按關鍵詞抓取小紅 ...


目錄

一、背景介紹

1.1 爬取目標

您好！我是@馬哥python說 ，一名10年程式猿。

我用python開發了一個爬蟲採集軟體，可自動按關鍵詞抓取小紅書筆記數據。

為什麼有了源碼還開發界面軟體呢？方便不懂編程代碼的小白用戶使用，無需安裝python，無需改代碼，雙擊打開即用！

軟體界面截圖：
軟體運行界面

爬取結果截圖：

結果截圖1:

結果截圖2:

結果截圖3:

以上。

1.2 演示視頻

軟體運行演示：
【軟體演示】小紅書搜索採集工具，可同時多個關鍵詞，並支持篩選筆記類型、排序等

1.3 軟體說明

幾點重要說明：

  1. Windows用戶可直接雙擊打開使用，無需Python運行環境，非常方便！
  2. 需要填入cookie中的a1值和web_session值
  3. 支持按筆記類型（綜合/視頻/圖文）和排序方式（綜合/最新/最熱）爬取
  4. 支持同時爬多個關鍵詞
  5. 每個關鍵詞最多可採集220條左右的筆記，與網頁端數量一致
  6. 爬取過程中，有log文件詳細記錄運行過程，方便回溯
  7. 爬取完成後，自動導出結果到csv文件
  8. 爬取欄位含：關鍵詞, 頁碼, 筆記id, 筆記鏈接, 筆記標題, 筆記類型, 點贊數, 用戶id, 用戶主頁鏈接, 用戶昵稱。

以上。

二、代碼講解

2.1 爬蟲採集模塊

首先，定義介面地址作為請求地址：

# 請求地址
url = 'https://edith.xiaohongshu.com/api/sns/web/v1/search/notes'

定義一個請求頭，用於偽造瀏覽器：

# 請求頭
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': '換成自己的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',
}

說明一下，cookie是個關鍵參數。

其中，cookie里的a1和web_session獲取方法，如下：
查看a1和web_session

這兩個值非常重要，軟體界面需要填寫！！

加上請求參數，告訴程式你的爬取條件是什麼：

# 請求參數
post_data = {
	"keyword": search_keyword,
	"page": page,
	"page_size": 20,
	"search_id": v_search_id,
	"sort": v_sort,
	"note_type": v_note_type,
	"image_scenes": "FD_PRV_WEBP,FD_WM_WEBP",
}

下麵就是發送請求和接收數據：

# 發送請求
r = requests.post(url, headers=h1, data=data_json.encode('utf8'))
print(r.status_code)
# 以json格式接收返回數據
json_data = r.json()

定義一些空列表，用於存放解析後欄位數據：

# 定義空列表
note_id_list = []  # 筆記id
note_title_list = []  # 筆記標題
note_type_list = []  # 筆記類型
like_count_list = []  # 點贊數
user_id_list = []  # 用戶id
user_name_list = []  # 用戶昵稱

迴圈解析欄位數據，以"筆記標題"為例：

# 迴圈解析
for data in json_data['data']['items']:
	# 筆記標題
	try:
		note_title = data['note_card']['display_title']
	except:
		note_title = ''
	print('note_title:', note_title)
	note_title_list.append(note_title)

其他欄位同理，不再贅述。

最後，是把數據保存到csv文件：

# 把數據保存到Dataframe
df = pd.DataFrame(
	{
		'關鍵詞': search_keyword,
		'頁碼': page,
		'筆記id': note_id_list,
		'筆記鏈接': ['https://www.xiaohongshu.com/explore/' + i for i in note_id_list],
		'筆記標題': note_title_list,
		'筆記類型': note_type_list,
		'點贊數': like_count_list,
		'用戶id': user_id_list,
		'用戶主頁鏈接': ['https://www.xiaohongshu.com/user/profile/' + i for i in user_id_list],
		'用戶昵稱': user_name_list,
	}
)
if os.path.exists(result_file):
	header = False
else:
	header = True
# 把數據保存到csv文件
df.to_csv(result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')

完整代碼中，還含有：判斷迴圈結束條件、js逆向解密、筆記類型（綜合/視頻圖文）篩選、排序方式篩選（綜合/最新/最熱）等關鍵實現邏輯。

2.2 軟體界面模塊

主視窗部分：

# 創建主視窗
root = tk.Tk()
root.title('小紅書搜索採集軟體v1 | 馬哥python說 |')
# 設置視窗大小
root.minsize(width=850, height=650)

輸入控制項部分：

# 搜索關鍵詞
tk.Label(root, justify='left', text='搜索關鍵詞:').place(x=30, y=160)
entry_kw = tk.Text(root, bg='#ffffff', width=60, height=2, )
entry_kw.place(x=125, y=160, anchor='nw')  # 擺放位置

底部版權部分：

# 版權信息
copyright = tk.Label(root, text='@馬哥python說 All rights reserved.', font=('仿宋', 10), fg='grey')
copyright.place(x=290, y=625)

以上。

2.3 日誌模塊

好的日誌功能，方便軟體運行出問題後快速定位原因，修複bug。

核心代碼：

def get_logger(self):
	self.logger = logging.getLogger(__name__)
	# 日誌格式
	formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
	# 日誌級別
	self.logger.setLevel(logging.DEBUG)
	# 控制台日誌
	sh = logging.StreamHandler()
	log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
	# info日誌文件名
	info_file_name = time.strftime("%Y-%m-%d") + '.log'
	# 將其保存到特定目錄，ap方法就是尋找項目根目錄，該方法博主前期已經寫好。
	case_dir = r'./logs/'
	info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
						when='MIDNIGHT',
						interval=1,
						backupCount=7,
						encoding='utf-8')

日誌文件截圖：

以上。

三、獲取源碼及軟體

get完整源碼：【GUI軟體】小紅書搜索結果批量採集，支持多個關鍵詞同時抓取

by 馬哥python說


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 京東哥倫布即時設計平臺ChatGPT落地實踐
    即時設計平臺是一個即時搭建c端樓層的開發平臺，支持通過導入relay設計稿url完成Ui2Code，在此基礎上完成前端可視化搭建，同時支持通過ChatGPT完成一句話需求，搭建後的樓層自動同步ihub樓層市場，提供到通天塔、哥倫布等搭建平臺使用。 ...
  • 你寫的防止任意文件上傳漏洞的代碼，不一定安全
    說明：任意文件上傳漏洞，很多PHP開發者也會做一些簡單的防護，但是這個防護有被繞過的可能。 原生漏洞PHP示例代碼： $file = $_FILES['file'] ?? []; //檢測文件類型 $allow_mime = ['image/jpg', 'image/jpeg', 'image/pn ...
  • 消息通知(Notification)/用戶觸達系統設計
    近年來，通知功能已經成為許多應用程式中突出的特性。構建一個能每天發送數百萬通知的可擴展系統絕非易事。這正是為什麼我覺得有必要記錄我在這方面踩坑之路。也叫用戶觸達系統。 完成這項任務要求對通知生態系統有深刻的理解，否則需求很容易變得模糊和不明確。 1 瞭解通知系統並確定設計範圍 通知是用於向用戶提供重 ...
  • C 語言註釋和變數詳解
    C 語言中的註釋 C語言中可以使用註釋來解釋代碼並使其更具可讀性。它還可以在測試替代代碼時防止執行。 單行註釋 單行註釋以兩個斜杠 (//) 開頭。 // 和行末之間的任何文本都會被編譯器忽略（不會被執行）。 此示例在代碼行之前使用單行註釋： // 這是一個註釋 printf("Hello Worl ...
  • Selenium系列知識點整理--個人總結
    Selenium系列知識點整理 https://www.cnblogs.com/yoyoketang/ 本文摘錄於‘上海-悠悠’的博客，網址如上 新手學習selenium路線圖（老司機親手繪製)-學前篇 學習selenium主要分六個階段，自己在哪個層級，可以對號入座下。第 一階段：幼兒園 1.選語 ...
  • C++和QML混合編程
    在Qt中，ComboBox（組合框）是一種常用的用戶界面控制項，它提供了一個下拉列表，允許用戶從預定義的選項中選擇一個。該組件提供了一種方便的方式讓用戶從預定義的選項中進行選擇，一般來說`ComboBox`會以按鈕的形式顯示在界面上，用戶點擊按鈕後，會彈出一個下拉列表，其中包含預定義的選項。當然`Co... ...
  • 別再重覆造反射輪子了，Spring 中的 ReflectionUtils 工具類，應有盡有！
    作者：策馬踏清風 鏈接：https://www.jianshu.com/p/756778f5dc87 ReflectionUtils是spring針對反射提供的工具類。 handleReflectionException異常處理 推薦一個開源免費的 Spring Boot 實戰項目： https:/ ...
  • 推薦一個小而全的第三方登錄開源組件
    大家好，我是 Java陳序員。 我們在企業開發中，常常需要實現登錄功能，而有時候為了方便，就需要集成第三方平臺的授權登錄。如常見的微信登錄、微博登錄等，免去了用戶註冊步驟，提高了用戶體驗。 為了業務考慮，我們有時候集成的不僅僅是一兩個第三方平臺，甚至更多。這就會大大的提高了工作量，那麼有沒有開源框架 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類