GitHub 开源爆款工具|MediaCrawler:程序员零门槛采集抖音/小红书/B站等社交评论,30K star 背后的场景实战揭秘!

嗨,我是小华同学,专注解锁高效工作与前沿AI工具!每日精选开源技术、实战技巧,助你省时50%、领先他人一步。👉免费订阅,与10万+技术人共享升级秘籍!

一个多平台通吃的社交媒体数据爬虫工具,轻松爬取小红书、抖音、快手、B站、微博、知乎等内容,支持视频、图片、评论、点赞等,真正低门槛、战力强大。

项目简介

MediaCrawler 是由 NanmiCoder 打造的中英文双平台全民爬虫项目,目前在 GitHub 拥有 约 27.7k ⭐ ,来自大量开发者、运营者的认可。 它支持 关键词/指定ID爬取、二级评论、登录态缓存、IP 代理池、评论词云生成 等核心功能,通过 Playwright 实现"模拟真实浏览器",无需复杂逆向即可稳定采集。

痛点场景

  • 平台频繁部署防爬机制,JS 逆向成本高,动辄需解析 signature、X-Bogus、xsec_token 等;
  • 内容多平台分散且结构不一,爬取逻辑重复,维护成本高;
  • 批量采集需登录态和代理池配合,手动登录耗时,ip 经常被限;
  • 协同使用中缺少数据可视化,光存 raw JSON,不直观、不易沉淀团队资产。

MediaCrawler 针对上述痛点提供一套完整方案------通吃各大平台、零逆向、支持登录态、支持插件词云,真正上手简单、效果直观。

核心功能

  • 多平台支持:小红书、抖音、快手、B站、微博、知乎、贴吧等主流平台全覆盖;
  • 多种登录方式:支持二维码和 Cookie 登录,并缓存登录态,免频繁重复登录;
  • 关键词+ID双模式爬取:全面支持搜索关键词、指定视频/帖 ID 采集;
  • 深度评论采集:包含一级、二级评论,保证沟通链路完整;
  • 自动代理+滑块验证码处理:集成 IP 池和验证码智能跳过机制;
  • 评论词云生成:一键输出可视化词云图(需依赖额外脚本处理);
  • 数据输出多样化:支持 CSV/JSON/关系型数据库存储;
  • 断点续爬 & 多账号(Pro 版) :支持更强规模化采集(付费 Pro 功能)。

技术架构

架构图

技术优势对比表

模块 MediaCrawler 开源版 MediaCrawler Pro(付费版)
登录方式 QR + Cookie,登录态缓存 多账号支持,断点续爬
签名获取 浏览器 JS 注入,无需逆向 完全剥离 JS 依赖,纯后端可用
爬虫稳定性 通用,多平台命令行使用 支持 Linux 守护、IP 池、验证码绕过
数据处理 支持 CSV/JSON/SQLite 或 MySQL 等 附加词云图功能,未来接入 AI 分析模块
维护性 Python + Playwright 简洁易读 适合企业级扩展与二次开发

界面效果与使用示例

以下是官方演示的一些截图,帮助你快速理解输出结构和使用流程:

  • 二维码登录:扫描后自动触发登录态保存;
  • 搜索+爬取流程:输入关键词后自动下载对应视频、评论;
  • 结果展示:结构化 json 输出,以及词云展示。

(原项目仓库图略)

使用场景举例

  • 内容运营:批量爬取竞品视频/评论词云,支持调研方向热点;
  • 数据分析:采集评论做情绪、关键词分析,支持商业决策;
  • 学术研究:获取垂类社交数据,帮助舆情研判;
  • 市场监测:实时抓取营销活动评论,评估传播效果;
  • 自动存档:收藏或备份视频、图文等内容资产。

与同类项目对比优势

项目名称 多平台支持 登录方式 评论深度 签名逆向 储存方式 可视化 是否开源
MediaCrawler ✅ 支持7+平台 ✅ QR、Cookie 缓存 ✅ 一级+二级评论 ✅ 浏览器 JS 注入,无逆向 ✅ CSV/JSON/DB ✅ 词云生成 ✅ 免费开源
knaiskes/mediaCrawler ✅ 多社交平台 ❌ Token 手动填 ❌ 评论展示可视化 ❌ 需自己配置 token ✅ 数据保存本地 ❌ 无词云 ✅ 开源
kirbystudy/MediaCrawler ✅ 视频图片无水印下载 ❌ 自填 Cookie ❌ 无评论支持 ✅ 简单 JS ✅ 本地
专有爬虫工具(商业) ✅ 通用 ✅ 企业登录集成 ✅ 评论深度采集 ✅ 完备签名逆向 ✅ 企业级数据仓库接入 ✅ BI 报表 ❌ 付费闭源

部署使用示范步骤

  1. 克隆项目并进入目录
bash 复制代码
git clone https://github.com/NanmiCoder/MediaCrawler.git
cd MediaCrawler
  1. 创建虚拟环境并安装依赖
bash 复制代码
python -m venv venv
source venv/bin/activate  # Windows 用 venv\Scripts\activate
pip install -r requirements.txt
playwright install
  1. 登录平台
css 复制代码
python main.py --platform xhs --lt qrcode --type search
  1. 输入关键词,自动爬取内容并保存到 data/ 或数据库; 5. 可选:生成评论词云,搭配上面给出的示例脚本。

总结

MediaCrawler 以其成熟稳定、功能全面、易用性强的特性,成为社交媒体采集工具中的佼佼者。不论你是运营灵感收集、自媒体从业者,还是数据分析师,都能在这个项目中找到极强价值。

项目地址

github.com/NanmiCoder/...

相关推荐
胡gh4 小时前
页面卡成PPT?重排重绘惹的祸!依旧性能优化
前端·javascript·面试
ningqw4 小时前
SpringBoot 常用跨域处理方案
java·后端·springboot
你的人类朋友4 小时前
vi编辑器命令常用操作整理(持续更新)
后端
胡gh4 小时前
简单又复杂,难道只能说一个有箭头一个没箭头?这种问题该怎么回答?
javascript·后端·面试
言兴4 小时前
# 深度解析 ECharts:从零到一构建企业级数据可视化看板
前端·javascript·面试
山有木兮木有枝_4 小时前
TailWind CSS
前端·css·postcss
一只叫煤球的猫5 小时前
看到同事设计的表结构我人麻了!聊聊怎么更好去设计数据库表
后端·mysql·面试
uzong5 小时前
技术人如何对客做好沟通(上篇)
后端
烛阴5 小时前
TypeScript 的“读心术”:让类型在代码中“流动”起来
前端·javascript·typescript
杨荧5 小时前
基于Python的农作物病虫害防治网站 Python+Django+Vue.js
大数据·前端·vue.js·爬虫·python