【GUI软件】小红书指定博主批量采集笔记，支持多博主同时采集！
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，我是@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，可自动按指定博主抓取该博主已发布笔记数据。
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:
https://img2024.cnblogs.com/blog/2864563/202402/2864563-20240229093625811-283626567.png
爬取结果截图：
结果截图1:
https://img2024.cnblogs.com/blog/2864563/202402/2864563-20240229093640082-1525317483.png
结果截图2:
https://img2024.cnblogs.com/blog/2864563/202402/2864563-20240229093649664-1719591106.png
结果截图3:
https://img2024.cnblogs.com/blog/2864563/202402/2864563-20240229093702751-1195469979.png
以上。
1.2 演示视频
软件使用演示：
【软件演示】小红书博主笔记采集工具，指定博主爬取笔记
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
[*]支持同时爬多个博主的笔记数据
[*]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9个核心字段，含：作者昵称,作者id,作者链接,页码,笔记标题,笔记id,笔记链接,笔记类型,点赞数。
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posted_url = 'https://edith.xiaohongshu.com/api/sns/web/v1/user_posted'定义一个请求头，用于伪造浏览器：
# 请求头h1 = { "Content-Type": "application/json; charset=utf-8", "Accept": "application/json, text/plain, */*", "Accept-Language": "zh-CN,zh;q=0.9", "Origin": "https://www.xiaohongshu.com", "Referer": "https://www.xiaohongshu.com/", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36", "Connection": "keep-alive", "Cookie": "gid=yYDqDJSjjy7dyYDqDJSqDv8iydu4WMhDIKxCvVfJJ3FkTJq836EFDT888jyKJK28id4dYD42; sec_poison_id=9473b193-aa0e-436e-848a-c53f539ae316; webBuild=4.2.1; websectiga=f47eda31ec99545da40c2f731f0630efd2b0959e1dd10d5fedac3dce0bd1e04d; xsecappid=xhs-pc-web; web_session={}; customer-sso-sid=65a493817900000000000011; x-user-id-pgy.xiaohongshu.com=642651810000000011022ed2; customerClientId=171221914380812; a1={}; webId=e9a9990ce615eec84d0fd8a2f4e9e29d; abRequestId=7c4f00be-699b-57f5-81c9-2783ff470960".format( self.web_session, self.a1),}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：
https://img2024.cnblogs.com/blog/2864563/202402/2864563-20240229093843863-2019930148.png
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params = { "num": 30, "cursor": next_cursor, "user_id": user_id, "image_scenes": ""}下面就是发送请求和接收数据：
# 发送请求r = requests.post(posted_url, headers=h1, params=params)# 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title = i['display_title']title_list.append(title)其他字段同理，不再赘述。
保存数据到Dataframe中：
# 保存数据到DFdf = pd.DataFrame( { '作者昵称': author_name_list, '作者id': author_id_list, '作者链接': ['https://www.xiaohongshu.com/user/profile/' + str(i) for i in author_id_list], '页码': page, '笔记标题': title_list, '笔记id': note_id_list, '笔记链接': note_url_list, '笔记类型': note_type_list, '点赞数': likes_list, })最后，再把数据保存到csv文件：
# 设置csv文件表头if os.path.exists(self.result_file): header = Falseelse: header = True# 保存到csvdf.to_csv(self.result_file, mode='a+', header=header, index=False, encoding='utf_8_sig')self.tk_show('文件保存成功：' + self.result_file)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('小红书博主笔记采集软件v1.0 | 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：
https://img2024.cnblogs.com/blog/2864563/202402/2864563-20240229093907198-1134534507.png
以上。
三、获取源码及软件
完整python源码及exe软件，微信公众号"老男孩的平凡之路"后台回复"爬小红书博主软件"即可获取。点击直达
推荐阅读：【GUI软件开发】小红书评论采集：自动采集1w多条，含二级评论！
来源:https://www.cnblogs.com/mashukui/p/18042738/xhs_user_posted
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]