如何使用Python通过API接口批量抓取小红书笔记评论?

一、技术可行性分析

  1. API存在性验证

  2. 请求参数解析

    csharp 复制代码
    python
    # 典型请求参数示例
    params = {
        "note_id": "64a1b2c3d4e5f6g7h8i9j0k1",  # 笔记ID
        "sort": "newest",                       # 排序方式
        "page": 1,                              # 页码
        "page_size": 20                         # 每页数量
    }

二、完整技术实现方案

python 复制代码
python
import requests
import json
import time
from urllib.parse import urlencode
 
class XiaohongshuCommentScraper:
    def __init__(self):
        self.session = requests.Session()
        self.headers = {
            "User-Agent": "Mozilla/5.0 (iPhone; CPU iPhone OS 16_4 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Mobile/15E148",
            "X-Request-ID": "api.comment_list",
            "Content-Type": "application/json"
        }
        self.base_url = "https://www.xiaohongshu.com/api/sns/note/v1/comment_list"
 
    def get_comments(self, note_id, max_pages=5):
        comments = []
        for page in range(1, max_pages+1):
            params = {
                "note_id": note_id,
                "sort": "newest",
                "page": page,
                "page_size": 20
            }
            
            try:
                response = self.session.get(
                    self.base_url, 
                    headers=self.headers,
                    params=urlencode(params)
                )
                data = response.json()
                
                if data.get('errcode') != 0:
                    raise Exception(f"API Error: {data.get('errmsg')}")
                
                page_comments = data.get('data', {}).get('comments', [])
                if not page_comments:
                    break
                    
                comments.extend([{
                    "id": c["id"],
                    "user": c["user"]["nickname"],
                    "content": c["content"],
                    "like_count": c["like_count"],
                    "create_time": c["create_time"]
                } for c in page_comments])
                
                time.sleep(1.5)  # 反爬延迟
                
            except Exception as e:
                print(f"Error on page {page}: {str(e)}")
                break
                
        return comments
 
if __name__ == "__main__":
    scraper = XiaohongshuCommentScraper()
    note_id = "64a1b2c3d4e5f6g7h8i9j0k1"  # 替换为实际笔记ID
    
    comments = scraper.get_comments(note_id, max_pages=3)
    print(f"成功抓取 {len(comments)} 条评论")
    
    # 保存为CSV文件
    with open("comments.csv", "w", encoding="utf-8") as f:
        f.write("ID,用户,内容,点赞数,创建时间\n")
        for c in comments:
            f.write(f"{c['id']},{c['user']},{c['content']},{c['like_count']},{c['create_time']}\n")

三、进阶优化方案

  1. 分布式爬取架构

    python 复制代码
    python
    from concurrent.futures import ThreadPoolExecutor
     
    def distributed_scraping(note_ids):
        with ThreadPoolExecutor(max_workers=5) as executor:
            futures = [executor.submit(scraper.get_comments, nid, 2) for nid in note_ids]
            results = [f.result() for f in futures]
        return results
  2. 反爬对抗策略

    ruby 复制代码
    python
    class AntiCrawler:
        @staticmethod
        def get_proxy():
            # 返回可用代理IP
            return {"http": "123.45.67.89:8080"}
        
        @staticmethod
        def random_delay():
            time.sleep(random.uniform(1, 3))

四、数据存储扩展

python 复制代码
python
import sqlite3
 
class DataStorage:
    def __init__(self):
        self.conn = sqlite3.connect("comments.db")
        self._create_table()
        
    def _create_table(self):
        cursor = self.conn.cursor()
        cursor.execute('''
            CREATE TABLE IF NOT EXISTS comments (
                id TEXT PRIMARY KEY,
                note_id TEXT,
                user TEXT,
                content TEXT,
                like_count INTEGER,
                create_time INTEGER
            )
        ''')
        self.conn.commit()
        
    def save_comments(self, comments, note_id):
        cursor = self.conn.cursor()
        for c in comments:
            cursor.execute('''
                INSERT OR REPLACE INTO comments 
                VALUES (?, ?, ?, ?, ?, ?)
            ''', (c["id"], note_id, c["user"], c["content"], c["like_count"], c["create_time"]))
        self.conn.commit()

五、法律与道德规范

  1. 遵守《网络安全法》和《数据安全法》
  2. 禁止抓取用户隐私信息(手机号、地址等)
  3. 控制请求频率(建议QPS≤2)
  4. 明确标注数据来源,禁止商业用途

该方案通过模拟移动端请求实现评论抓取,采用分页机制和动态延迟策略规避反爬限制。实际部署时建议配合代理IP池和异常重试机制,确保数据采集的稳定性和合规性。

相关推荐
小蜜蜂嗡嗡6 分钟前
flutter封装vlcplayer的控制器
前端·javascript·flutter
一tiao咸鱼9 分钟前
如何简单使用 prompt
前端·aigc
cdbqss114 分钟前
VB.net编写的身份证类
前端·.net
骑自行车的码农31 分钟前
React短文系列 遍历fiber树 App的创建
前端·react.js
AskSky35 分钟前
为了搞一个完美的健身APP,我真是费尽心机
前端
斯~内克40 分钟前
基于Vue.js和PDF-Lib的条形码生成与批量打印方案
前端·vue.js·pdf
阴阳怪气乌托邦42 分钟前
别再啃OA代码了!低代码"搭积木"式搞数智化,我直接少写500行
前端·低代码
秋千码途44 分钟前
小架构step系列07:查找日志配置文件
spring boot·后端·架构
beelan1 小时前
v-on的思考
前端
山河木马1 小时前
前端学习C++之:.h(.hpp)与.cpp文件
前端·javascript·c++