【爬虫软件】2024小红书对标账号作品批量采集！

取个名字叫烧麦

一、背景介绍

1.1 爬取目标

用python开发的爬虫采集软件，可自动按指定博主抓取该博主已发布笔记。
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：

1. # 请求地址
2. posted_url = 'https://edith.xiaohongshu.com/api/sns/web/v1/user_posted'

复制代码

定义一个请求头，用于伪造浏览器：

1. # 请求头
2. h1 = {
3.         "Content-Type": "application/json; charset=utf-8",
4.         "Accept": "application/json, text/plain, */*",
5.         "Accept-Language": "zh-CN,zh;q=0.9",
6.         "Origin": "https://www.xiaohongshu.com",
7.         "Referer": "https://www.xiaohongshu.com/",
8.         "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",
9.         "Connection": "keep-alive",
10.         "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(
11.                 self.web_session, self.a1),
12. }

复制代码

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：

1. # 请求参数
2. params = {
3.         "num": 30,
4.         "cursor": next_cursor,
5.         "user_id": user_id,
6.         "image_scenes": ""
7. }

复制代码

下面就是发送请求和接收数据：

1. # 发送请求
2. r = requests.post(posted_url, headers=h1, params=params)
3. # 接收数据
4. json_data = r.json()

复制代码

逐个解析字段数据，以"笔记标题"为例：

1. # 笔记标题
2. title = i['display_title']
3. title_list.append(title)

复制代码

其他字段同理，不再赘述。
保存数据到Dataframe中：

1. # 保存数据到DF
2. df = pd.DataFrame(
3.         {
4.                 '作者昵称': author_name_list,
5.                 '作者id': author_id_list,
6.                 '作者链接': ['https://www.xiaohongshu.com/user/profile/' + str(i) for i in author_id_list],
7.                 '页码': page,
8.                 '笔记标题': title_list,
9.                 '笔记id': note_id_list,
10.                 '笔记链接': note_url_list,
11.                 '笔记类型': note_type_list,
12.                 '点赞数': likes_list,
13.         }
14. )

复制代码

最后，再把数据保存到csv文件：

1. # 设置csv文件表头
2. if os.path.exists(self.result_file):
3.         header = False
4. else:
5.         header = True
6. # 保存到csv
7. df.to_csv(self.result_file, mode='a+', header=header, index=False, encoding='utf_8_sig')
8. self.tk_show('文件保存成功：' + self.result_file)

复制代码

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：

1. # 创建主窗口
2. root = tk.Tk()
3. root.title('小红书博主笔记采集软件v1.0 | 马哥python说 |')
4. # 设置窗口大小
5. root.minsize(width=850, height=650)

复制代码

输入控件部分：

1. # a1填写
2. tk.Label(root, justify='left', text='a1:').place(x=30, y=80)
3. entry_a1 = tk.Text(root, bg='#ffffff', width=96, height=2, )
4. entry_a1.place(x=125, y=80, anchor='nw')  # 摆放位置
5. # web_session填写
6. tk.Label(root, justify='left', text='web_session:').place(x=30, y=120)
7. entry_web_session = tk.Text(root, bg='#ffffff', width=96, height=2, )
8. entry_web_session.place(x=125, y=120, anchor='nw')  # 摆放位置

复制代码

底部版权部分：

1. # 版权信息
2. copyright = tk.Label(root, text='@马哥python说 All rights reserved.', font=('仿宋', 10), fg='grey')
3. copyright.place(x=290, y=625)

复制代码

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：

1. def get_logger(self):
2.         self.logger = logging.getLogger(__name__)
3.         # 日志格式
4.         formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
5.         # 日志级别
6.         self.logger.setLevel(logging.DEBUG)
7.         # 控制台日志
8.         sh = logging.StreamHandler()
9.         log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
10.         # info日志文件名
11.         info_file_name = time.strftime("%Y-%m-%d") + '.log'
12.         # 将其保存到特定目录
13.         case_dir = r'./logs/'
14.         info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
15.                                                                                 when='MIDNIGHT',
16.                                                                                 interval=1,
17.                                                                                 backupCount=7,
18.                                                                                 encoding='utf-8')

复制代码

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】小红书指定博主批量采集笔记，支持多博主同时采集！

来源:https://www.cnblogs.com/ws235/p/18227980
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！