馬哥原創：小紅書詳情採集軟體，自動爬取xhs筆記的詳情數據，欄位含：筆記id,筆記鏈接,筆記標題,筆記內容,筆記類型,發佈時間,修改時間,IP屬地,點贊數,收藏數,評論數,轉發數,用戶昵稱,用戶id,用戶主頁鏈接。 ...
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，可自動按筆記鏈接抓取筆記的詳情數據。
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：
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
軟體使用演示：【軟體演示】小紅書詳情採集工具，支持多個筆記同時抓取！
1.3 軟體說明
幾點重要說明：
- Windows用戶可直接雙擊打開使用，無需Python運行環境，非常方便！
- 需要填入cookie中的a1值和web_session值
- 支持同時爬多個筆記的詳情數據
- 爬取過程中，有log文件詳細記錄運行過程，方便回溯
- 爬取完成後，自動導出結果到csv文件
- 可爬取15個欄位，含：筆記id,筆記鏈接,筆記標題,筆記內容,筆記類型,發佈時間,修改時間,IP屬地,點贊數,收藏數,評論數,轉發數,用戶昵稱,用戶id,用戶主頁鏈接。
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/feed'
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：
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 = {
"source_note_id": note_id,
"image_formats": ["jpg", "webp", "avif"],
"extra": {"need_body_topic": "1"}
}
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)
# 接收數據
json_data = r.json()
逐個解析欄位數據，以"筆記標題"為例：
# 筆記標題
try:
title = json_data['data']['items'][0]['note_card']['title']
except:
title = ''
熟悉xhs的朋友都知道，有些筆記是沒有標題的，所以這裡加上try保護，防止程式報錯導致中斷運行。
其他欄位同理，不再贅述。
最後，是把數據保存到csv文件：
# 返回數據
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)
這裡採用csv庫保存數據，方便每爬取一條筆記數據，快速保存到csv文件中。
完整代碼中，還含有：判斷迴圈結束條件、轉換時間戳、js逆向解密等關鍵實現邏輯，詳見文末。
2.2 軟體界面模塊
主視窗部分：
# 創建主視窗
root = tk.Tk()
root.title('小紅書詳情採集軟體v1 | 馬哥python說 |')
# 設置視窗大小
root.minsize(width=850, height=650)
輸入控制項部分：
# a1填寫
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') # 擺放位置
# web_session填寫
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') # 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
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
愛學習的小伙伴，完整python源碼及可執行軟體，我已打包好，並上傳至我的微信公眾號"老男孩的平凡之路"，後臺回覆"爬小紅書詳情軟體"即可獲取。點擊直達
推薦閱讀：
【GUI軟體開發】小紅書評論採集：自動採集1w多條，含二級評論！
【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！
