【爬虫软件】用Python开发的小红书详情批量采集工具，含笔记正文、转评赞藏
一、背景介绍1.1 爬取目标
用python开发的爬虫采集软件，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：
结果截图2：
结果截图3：
以上。
1.2 演示视频
软件使用演示：见原文
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
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']['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、转载声明
转载已获原作者 @马哥python说 授权：
博客园原文链接: 【GUI软件】小红书详情数据批量采集，含笔记内容、转评赞藏等，支持多笔记同时采集！
持续分享Python干货中，欢迎交流开发技术！
来源:https://www.cnblogs.com/ws235/p/18222489
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]