一、背景介绍
1.1 爬取目标
爬取目标：小红书笔记详情
小红书是国内集社交、分享、购物于一体的综合性平台，为用户提供了一个交流经验、获取灵感和享受购物乐趣的沟通渠道，同时也是国内流量数一数二的生态网站。很多行业的操盘手需要获取热门笔记、热门作者的作品数据，从而提升自己账号的互动数据和价值。因此，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：
软件运行界面
爬取结果截图：
以上。
1.2 演示视频
软件使用演示：有。
1.3 软件说明
几点重要说明：
重要说明
以上。
二、代码讲解
2.1 爬虫采集模块
请求地址：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 请求地址
url = 'https://edith.xiaohongshu.com/api/sns/web/v1/feed'请求头：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 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。Cookie是存储在用户计算机上的小文本文件，用于存储用户的网站偏好、登录信息、购物车内容等信息。Cookie在网站和用户之间传递信息，以提供更好的用户体验和个性化的服务。其中，cookie里的a1和web_session获取方法，如下:
获取cookie方法
请求参数：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 请求参数
post_data = {
"source_note_id": note_id,
"image_formats": ["jpg", "webp", "avif"],
"extra": {"need_body_topic": "1"}
}发送请求和接收数据：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 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：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 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。
最后，是把数据保存到csv文件：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 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：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 创建主窗口
root = tk.Tk()
root.title('小红书详情采集软件v1.2 | 马哥python说')
# 设置窗口大小
root.minsize(width=850, height=650)输入控件部分：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 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：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行# 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
日志文件对于系统管理、故障排除、性能监控、安全审计等方面都起着至关重要的作用，帮助管理员和分析师了解系统的运行情况并作出相应的决策。日志模块的代码：
代码语言：python
代码运行次数：0
复制
Cloud Studio 代码运行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：
log
以上。
三、结尾
我是一枚10年程序猿，专注Python开发。
