xiaohongshu-search
⚠️ cookie 必填。关键字段:
a1(长效) +web_session(6-12h 短效) +id_token+webId/gid/acw_tc/websectiga/sec_poison_id/loadts/ets(风控指纹)。
⚡ 30 秒上手
export SKILL=/path/to/xiaohongshu
python3 $SKILL/xhs-keepalive.py check # cookie 验证
# 🎯 抓特定用户的视频(⭐ 推荐 — 完全绕开 search captcha)
python3 $SKILL/xhs-harvest.py user <user_id> --limit 15 --comments 15
python3 $SKILL/xhs-harvest.py user 5c6391880000000012009893 --limit 15
# 🆘 不知道 user_id? 用 --from-name (走 search 桶,被 captcha 时会失败)
python3 $SKILL/xhs-harvest.py user --from-name "影视飓风" --limit 15 --comments 15
# 抓一个主题的热门笔记(必须 search 桶,被 captcha 时会失败)
python3 $SKILL/xhs-harvest.py hot "AI" --limit 10 --comments 10
# 已知 note_id 批量抓
python3 $SKILL/xhs-harvest.py ids id1 id2 id3 --tokens "t1,t2,t3"
xhs-harvest.py 编排工作流,xhs-fetch.py 原子操作。落盘: $SKILL/data/harvests/<topic>-<ts>/REPORT.md。
🎯 抓特定用户视频(⭐ 一条命令,推荐)
xhs-harvest.py user <user_id> --limit 15 --comments 15
为什么是推荐路径:
- ✅ 完全不走 search 桶 → search captcha 触发也不影响
- ✅ 主页 DOM 里
note-item自带xsec_token + xsec_source=pc_user→ 30/30 命中 - ✅ 一条命令,内部完成: 主页拿 30 篇 → DOM 拿 token → 逐条走
/user/profile/{uid}/{nid}?...&xsec_source=pc_user抓详情 → 报告
内部流程
Step 1 xhs-fetch.py user <user_id> --notes 50 → user.json
↓ DOM 解析 note-item 里的 <a href>, 拿 (note_id, xsec_token, xsec_source=pc_user)
Step 2 对每条 note, 走 via-user-profile 抓详情
URL: /user/profile/{uid}/{nid}?xsec_token=...&xsec_source=pc_user
↓ 完全在 user/profile 桶, 不碰 search 桶
Step 3 落盘 + 写 REPORT.md
落盘结构
$SKILL/data/harvests/user-<uid前12位>-<时间戳>/
├── REPORT.md ← 人类可读报告
├── user.json ← 主页元数据 + 笔记列表 (带 xsec_token)
└── notes/
├── n01-*.json ← 笔记详情 + 评论
└── ...
不知道 user_id? 备选 --from-name
xhs-harvest.py user --from-name "小Lin说" --limit 15
限制: 内部调 xhs-fetch.py user-search,会走 search 桶。search 桶 IP captcha 触发时此命令会失败(报"未找到匹配")。
故障时切换:
# 浏览器登录 xhs → 搜索 → 进主页 → URL 末尾 32 位 hex = user_id
# 例: xhs.com/user/profile/5c6391880000000012009893
xhs-harvest.py user 5c6391880000000012009893 --limit 15 # 直接走 user/profile 桶
🛡️ IP-bound captcha 完全解决
xhs captcha 按 URL 路径分桶,各桶独立计数:
| 桶 | 路径 | 衰减 | 状态 |
|---|---|---|---|
| 桶 1 | /search_result?keyword=... (search listing) |
5-10 min | ❌ 频繁锁 |
| 桶 2 | /search_result/{nid}?xsec_token=...&xsec_source=pc_note |
5-10 min | ❌ 300017 |
| 桶 3 | /user/profile/{uid} (用户主页) |
30+ min | ⚠️ 触发频率低 |
| 桶 4 | /user/profile/{uid}/{nid}?xsec_token=...&xsec_source=pc_user |
30+ min | ✅ 推荐路径 |
🎯 黄金法则:永远走桶 4(via-user-profile)
xhs-harvest.py user <user_id> --limit 15 --comments 15
这条命令完全不碰 search 桶,即使 search 桶被锁也照常工作。
⛔ 不要走(会被 captcha 拦)
| 命令 | 失败原因 |
|---|---|
xhs-fetch.py note <id> --via-search (用主页 token) |
30017 url invalid — token + xsec_source 不匹配 |
xhs-fetch.py search "..." (search listing) |
桶 1 captcha |
xhs-harvest.py user --from-name "..." (search 桶被锁时) |
找不到匹配的 user_id |
xhs-harvest.py hot "..." (search 桶被锁时) |
拿不到候选 |
🚨 重要:captcha / IP 风控 一律不重试
v1.3.0 行为变更:遇到 captcha 或 300012 IP 风控,脚本直接报错退出,不自动 sleep + 重试。
为什么: 之前自动重试反而把 captcha 锁得更死(IP 持续被标记)。现在:
- 遇到 captcha → 立即报错,告诉你"等 5-30 min 或换 IP 后重跑"
- 不消耗额外请求
- 不让 captcha 加锁
- 不让用户等 N 分钟看脚本自己重试
用户决定要不要重跑,什么时候重跑,要不要换 IP。
captcha / IP 风控的解决
| 方式 | 操作 | 效果 |
|---|---|---|
| 4G 热点 | 手机开热点,PC 连 | 立即换 IP,所有桶清空 |
| 重启路由 | 断电重启 | 重新分配 IP(看 ISP) |
| 代理池 | 脚本支持 http_proxy 环境变量 | 批量抓推荐 |
| 等衰减 | 5-30 分钟 | search 桶 5-10 min,user 桶 30+ min |
🪤 7 个常见坑
| # | 坑 | 怎么避 |
|---|---|---|
| 1 | user-search "影视飓风" 抓到 @GOODLUCK |
用官方/唯一名(影视飓风官方);Stage 1.5 自动验证 author |
| 2 | 主页 link 没 xsec_token | 不会发生,30/30 都有,parse_user_note_link 拿 |
| 3 | /explore/{id} 直接访问 300031 |
必须带 xsec_token 走 via-user-profile 或 via-search |
| 4 | write_report KeyError 崩 |
已修,全用 .get() |
| 5 | search 路径的 author 字段带后缀 "name2天前" |
strip_author_suffix() 处理 |
| 6 | search 关键词太泛搜不到目标笔记 | 用全标题或前 15 字;长尾/低曝光笔记可能搜不到 |
| 7 | 笔记页 DOM 的 likes/collects 不准 |
累计点赞以 user.json 的 likes 字段为准 |
⚠️ ab 直接调用的限速铁律
| 场景 | 间隔 |
|---|---|
ab_open → ab_open(不同页面) |
必须 sleep ≥ 3s(脚本默认 4s) |
ab_eval → ab_open(页面切换) |
sleep ≥ 2s |
ab_eval → ab_eval(同一页面) |
不需 sleep |
连续多次 ab_open(调试) |
必中 300012 |
黄金法则:能交给脚本的事,绝不要用 ab 手动打。
决策规则(报错时查这个)
| 错误 | 含义 | 动作 |
|---|---|---|
| 300012 | IP 风控(与 cookie 无关) | 不重试,换网络/IP |
| 300011 | 账号异常 / cookie 失效 | 重导 cookie → inject → check |
| 300017 | url is invalid |
xsec_token + xsec_source 不匹配;改用 via-user-profile |
| 300031 | 笔记不可见 | 走 via-user-profile 或 via-search |
Security Verification(search 路径) |
search 桶 captcha | 不重试,等 5-10 min 或换 IP |
Security Verification(user/profile 路径) |
user 桶 captcha | 不重试,等 30+ min 或换 IP |
经验法则:300012 → 换网络;300011 → 换 cookie;浏览器卡死 → agent-browser close --all && sleep 2 万能解。
首次 setup(用户手动,一次性)
# 1. 浏览器登录 xiaohongshu.com → F12 → Application → Cookies → www.xiaohongshu.com
# 2. Console 跑 copy(document.cookie),粘到文件:
cat > $SKILL/data/cookies-raw.txt <<'EOF'
a1=xxx; web_session=xxx; id_token=xxx; ...
EOF
chmod 600 $SKILL/data/cookies-raw.txt
# 3. 转 Netscape + 验证
python3 $SKILL/xhs-keepalive.py inject # → $SKILL/data/cookies.txt
python3 $SKILL/xhs-keepalive.py check # exit 0=有效
web_session 6-12h 短效,过期报 300011 → 重导 cookies。
边界
- 小红书抓数据 → 本 skill
- 写操作(点赞/评论/关注)/ 其他网站 → agent-browser skill