【GUI软件】小红书笔记批量采集，含笔记内容、转评赞藏等，支持多个笔记同时采集！ |
您所在的位置：网站首页 › 批量评论软件 › 【GUI软件】小红书笔记批量采集，含笔记内容、转评赞藏等，支持多个笔记同时采集！ |
【GUI软件】小红书笔记批量采集，含笔记内容、转评赞藏等，支持多个笔记同时采集！
|
文章目录
一、背景介绍1.1 爬取目标1.2 演示视频1.3 软件说明
二、代码讲解2.1 爬虫采集模块2.2 软件界面模块2.3 日志模块
三、获取源码及软件
一、背景介绍
1.1 爬取目标
您好！本文原创自 @马哥python说，一名10年程序猿。 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： 结果截图1： 以上。 1.2 演示视频软件使用演示：【软件演示】小红书详情采集工具，支持多个笔记同时抓取！ 1.3 软件说明几点重要说明： Windows用户可直接双击打开使用，无需Python运行环境，非常方便！需要填入cookie中的a1值和web_session值支持同时爬多个笔记的详情数据爬取过程中，有log文件详细记录运行过程，方便回溯爬取完成后，自动导出结果到csv文件可爬取15个字段，含：笔记id,笔记链接,笔记标题,笔记内容,笔记类型,发布时间,修改时间,IP属地,点赞数,收藏数,评论数,转发数,用户昵称,用户id,用户主页链接。以上。 二、代码讲解 2.1 爬虫采集模块首先，定义接口地址作为请求地址： # 请求地址 url = 'https://edith.xiaohongshu.com/api/sns/web/v1/feed'定义一个请求头，用于伪造浏览器： # 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。 其中，cookie里的a1和web_session获取方法，如下： 这两个值非常重要，软件界面需要填写！！ 加上请求参数，告诉程序你的爬取条件是什么： # 请求参数 post_data = { "source_note_id": note_id, "image_formats": ["jpg", "webp", "avif"], "extra": {"need_body_topic": "1"} }下面就是发送请求和接收数据： # 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： # 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。 其他字段同理，不再赘述。 最后，是把数据保存到csv文件： # 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： # 创建主窗口 root = tk.Tk() root.title('小红书详情采集软件v1 | 马哥python说 |') # 设置窗口大小 root.minsize(width=850, height=650)输入控件部分： # 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： # 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 日志模块好的日志功能，方便软件运行出问题后快速定位原因，修复bug。 核心代码： 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、获取源码及软件爱学习的小伙伴，完整python源码及可执行软件，我已打包好，并上传至我的微信公众号"老男孩的平凡之路"，后台回复"爬小红书详情软件"即可获取。点击直达 |
结果截图2： 
结果截图3： 
【本文地址】