一、背景介紹

1.1 爬取目標

熟悉我的小伙伴都了解，我之前開發過2款軟件：

【GUI軟件】小紅書搜索結果批量采集，支持多個關鍵詞同時抓取！
【GUI軟件】小紅書詳情數據批量采集，含筆記內容、轉評贊藏等，支持多筆記同時采集！

現在介紹的這個軟件，相當于以上2個軟件的結合版，即根據關鍵詞爬取筆記的詳情數據。

開發界面軟件的目的：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！

軟件界面截圖：

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

軟件使用演示：（不懂編程的小白直接看視頻，了解軟件作用即可，無需看代碼）

1.3 軟件說明

幾點重要說明：

以上。

二、代碼講解

2.1 爬蟲采集-搜索接口

首先，定義接口地址作為請求地址：

# 請求地址
url = 'https://edith.xiaohongshu.com/api/sns/web/v1/search/notes'

定義一個請求頭，用于偽造瀏覽器：

# 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',
}

加上請求參數，告訴程序你的爬取條件是什么：

# 請求參數
post_data = {"keyword": search_keyword,"page": page,"page_size": 20,"search_id": v_search_id,"sort": v_sort,"note_type": v_note_type,"image_scenes": "FD_PRV_WEBP,FD_WM_WEBP",
}

2.2 爬蟲采集-詳情接口

首先，定義接口地址作為請求地址：

# 請求地址
url = 'https://edith.xiaohongshu.com/api/sns/web/v1/feed'

定義一個請求頭，用于偽造瀏覽器：

# 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',
}

加上請求參數，告訴程序你的爬取條件是什么：

# 請求參數
post_data = {"source_note_id": note_id,"image_formats": ["jpg", "webp", "avif"],"extra": {"need_body_topic": "1"}
}

下面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()

逐個解析字段數據，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，所以這里加上try保護，防止程序報錯導致中斷運行。

其他字段同理，不再贅述。

下面就是發送請求和接收數據：

# 發送請求
r = requests.post(url, headers=h1, data=data_json.encode('utf8'))
print(r.status_code)
# 以json格式接收返回數據
json_data = r.json()

定義一些空列表，用于存放解析后字段數據：

# 定義空列表
note_id_list = []  # 筆記id
note_title_list = []  # 筆記標題
note_type_list = []  # 筆記類型
like_count_list = []  # 點贊數
user_id_list = []  # 用戶id
user_name_list = []  # 用戶昵稱

循環解析字段數據，以"筆記標題"為例：

# 循環解析
for data in json_data['data']['items']:# 筆記標題try:note_title = data['note_card']['display_title']except:note_title = ''print('note_title:', note_title)note_title_list.append(note_title)

其他字段同理，不再贅述。

最后，是把數據保存到csv文件：

# 把數據保存到Dataframe
df = pd.DataFrame({'關鍵詞': search_keyword,'頁碼': page,'筆記id': note_id_list,'筆記鏈接': ['https://www.xiaohongshu.com/explore/' + i for i in note_id_list],'筆記標題': note_title_list,'筆記類型': note_type_list,'點贊數': like_count_list,'用戶id': user_id_list,'用戶主頁鏈接': ['https://www.xiaohongshu.com/user/profile/' + i for i in user_id_list],'用戶昵稱': user_name_list,}
)
if os.path.exists(result_file):header = False
else:header = True
# 把數據保存到csv文件
df.to_csv(result_file, mode='a+', index=False, header=header, encoding='utf_8_sig')

完整代碼中，還含有：判斷循環結束條件、js逆向解密、筆記類型（綜合/視頻圖文）篩選、排序方式篩選（綜合/最新/最熱）等關鍵實現邏輯。

2.3 cookie說明

其中，cookie是個關鍵參數。
cookie里的a1和web_session獲取方法，如下：

這兩個值非常重要，軟件界面需要填寫！！

開發者模式的打開方法：頁面空白處->右鍵->檢查。

2.4 軟件界面模塊

主窗口部分：

# 創建主窗口
root = tk.Tk()
root.title('小紅書搜索詳情采集軟件v1.0 | 馬哥python說 |')
# 設置窗口大小
root.minsize(width=850, height=650)
輸入控件部分：
# 搜索關鍵詞
tk.Label(root, justify='left', text='搜索關鍵詞:').place(x=30, y=160)
entry_kw = tk.Text(root, bg='#ffffff', width=60, height=2, )
entry_kw.place(x=125, y=160, 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。

2.5 日志模塊

好的日志功能，方便軟件運行出問題后快速定位原因，修復bug。

核心代碼：

def get_logger(self):self.logger = logging.getLogger(__name__)# 日志格式formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'# 日志級別self.logger.setLevel(logging.DEBUG)# 控制臺日志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'# 將其保存到特定目錄，ap方法就是尋找項目根目錄，該方法博主前期已經寫好。case_dir = r'./logs/'info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,when='MIDNIGHT',interval=1,backupCount=7,encoding='utf-8')

日志文件截圖：

以上。

三、獲取源碼及軟件

完整python源碼及exe軟件，微信公眾號"老男孩的平凡之路“后臺回復”爬小紅書搜索詳情軟件"即可獲取。點擊直達