小红书数据采集一招搞定：xhs工具从零到实战的完整指南

小红书数据采集一招搞定：xhs工具从零到实战的完整指南

【免费下载链接】xhs基于小红书 Web 端进行的请求封装。https://reajason.github.io/xhs/项目地址: https://gitcode.com/gh_mirrors/xh/xhs

深夜十一点，运营小林对着浏览器一页页翻着竞品笔记，把点赞数、收藏数、评论内容一条条手动复制进表格。五十条数据，花了一个半小时，眼睛酸到流泪，表格里还混进了几行广告文案。第二天，同样的流程还要再来一遍。这种"数据搬运工"的日子，你是否也在过？其实，把小红书Web端请求封装成Python工具的开源项目xhs，就是为这种重复劳动准备的答案。

手动复制一小时 vs 代码跑完三十秒：你的时间浪费在哪

先别急着怀疑"我又不会编程"。xhs的定位非常清晰：它把小红书网页版背后那些复杂的加密签名、请求拼接、参数校验全部替你处理掉，你只需要调用几个方法名，就能拿到结构化数据。这意味着你从"逐条手动摘抄"升级为"批量自动获取"，省下的时间可以用来分析数据、写报告，而不是复制粘贴。

一问：这个工具到底解决什么问题

一句话概括：xhs是一个基于小红书Web端请求封装的数据采集工具，能帮你稳定拿到笔记、用户、评论三类核心公开数据。

具体拆开看，三个高频场景它都覆盖了：

对你意味着什么？过去需要人工浏览几十个页面才能拼出的信息，现在几行代码就能拿到完整结构，直接导出成JSON喂给你的分析流程。

二问：凭什么它能"稳定"拿到数据

聊到这里，你可能会想：小红书网页版不是有各种反爬机制吗？这正是xhs做得聪明的地方。

痛点在于：直接发请求会被拦。小红书的Web端接口带有加密签名参数（x-s、x-t），裸请求几乎必然失败。

解法是：借浏览器的力。xhs通过playwright模拟真实浏览器环境，调用网页里的签名函数来生成合法请求头，再配合你的登录Cookie完成数据获取。简单说，它让程序"伪装"成一个正常打开小红书的浏览器，而不是莽撞的机器人。项目还提供了进阶方案：把签名逻辑封装成独立的Flask服务（见example/basic_sign_server.py），多账号、批量任务共用一套签名服务，稳定性更高。

痛点在于：登录状态难维护。很多采集需求必须有登录态。

解法是：扫码一键进。项目内置了二维码登录和手机号验证码登录（见example/login_qrcode.py、example/login_phone.py），扫一下码就能拿到Cookie，不用去浏览器里手动翻开发者工具。

对你意味着什么？门槛被压到了最低——你不需要逆向加密算法，不需要理解签名机制，只要把Cookie准备好，剩下的交给工具。

三问：我该怎么用它——3步跑通第一个采集任务

第1步：装好环境。用pip安装xhs本体，再装playwright并下载浏览器内核（签名环节依赖它）：

pip install xhs pip install playwright playwright install

第2步：拿到登录凭证。在浏览器登录小红书后，从开发者工具中复制你的Cookie（其中的a1、web_session、webId三个字段是必需的）。如果嫌手动复制麻烦，直接用示例里的扫码登录脚本自动获取。

第3步：写一个最简单的采集脚本。参照example/basic_usage.py，核心逻辑不过十几行：

from xhs import XhsClient client = XhsClient(cookie="你的Cookie", sign=sign) note = client.get_note_by_id("笔记ID", "笔记的xsec_token") print(note) # 完整笔记信息

想搜关键词、拉某个博主的全部笔记、抓评论？同样是换一个方法名的事：get_note_by_keyword()、get_user_all_notes()、get_note_all_comments()。项目文档docs/crawl.rst里列了一张完整的方法清单，照着调用即可。

进阶玩法：从"能用"到"好用"

当你的采集量级上来后，两个方向值得关注：

一是批量与异步。接口支持分页游标翻页，配合循环就能把某个博主的所有笔记、某条爆款的全部评论一次性拉完，get_user_all_notes()这类方法甚至内置了请求间隔参数，防止频率过高被限流。

二是数据分析联动。采集结果直接是JSON格式，可以无缝接进pandas做趋势分析、词频统计，或者导入数据库做长期监控。采集只是手段，让数据流进你的业务决策才是目的。

使用红线：数据采集，请守住这三条

工具本身是中性的，但用的人要有边界意识。无论项目多好用，请务必做到：

• 只采集公开可访问的数据，不碰需要越权才能获取的内容
• 合理设置请求间隔，避免高频请求给平台服务器造成压力
• 数据用途合规，不用于骚扰用户、恶意竞争等违反法律法规和平台规则的行为

动手自测清单与下一步行动

读完不等于学会，用这三条自测一下：

• 我能否在浏览器里找到自己的Cookie，并理解a1等字段的作用？
• 我能否照着example/basic_usage.py跑通一次"按ID获取笔记"？
• 我是否已经规划好了采集频率和数据用途的边界？

如果全部勾选，恭喜你已经入门；如果卡在某一环，去example/目录和docs/文档里找答案，那里有完整的示例和说明。

还想更进一步？试试这些进阶挑战：用关键词搜索批量采集某个话题的热门笔记；把签名服务用Docker部署起来，支撑多账号并行任务；把采集结果接入自己的数据看板。想从源码安装最新版，可以执行：

git clone https://gitcode.com/gh_mirrors/xh/xhs cd xhs python setup.py install

数据采集这件事，最贵的从来不是工具，而是你的人工时间。让xhs替你扛下重复劳动，把精力留给真正需要判断力的分析工作——现在就去跑通你的第一条数据吧。

【免费下载链接】xhs基于小红书 Web 端进行的请求封装。https://reajason.github.io/xhs/项目地址: https://gitcode.com/gh_mirrors/xh/xhs