小红书笔记 | 评论爬虫、抖音视频 | 评论爬虫、快手视频 | 评论爬虫、B 站视频｜评论爬虫、微博帖子｜评论爬虫

Go to file

Relakkes 385662a7b6 doc: 新增代理IP使用文档		2023-12-09 00:06:57 +08:00
base	feat: 代理IP功能 Done	2023-12-08 00:10:04 +08:00
config	doc: 新增代理IP使用文档	2023-12-09 00:06:57 +08:00
docs	doc: 新增代理IP使用文档	2023-12-09 00:06:57 +08:00
libs	feat: 小红书笔记搜索，评论获取done	2023-06-12 20:37:24 +08:00
media_platform	feat: 代理IP功能 Done	2023-12-08 00:10:04 +08:00
models	feat: B站爬虫搜索关键词实现	2023-12-03 23:19:02 +08:00
proxy	feat: 代理IP功能 Done	2023-12-08 00:10:04 +08:00
static/images	doc: 新增代理IP使用文档	2023-12-09 00:06:57 +08:00
test	feat: 代理IP功能 Done	2023-12-08 00:10:04 +08:00
tools	feat: B站爬虫签名实现	2023-12-03 00:30:10 +08:00
.gitattributes	feat: 小红书笔记搜索，评论获取done	2023-06-12 20:37:24 +08:00
.gitignore	feat: 代理IP缓存到redis中	2023-12-06 23:49:56 +08:00
LICENSE	Initial commit	2023-06-09 20:14:34 +08:00
README.md	doc: update README.md	2023-12-08 00:27:59 +08:00
db.py	feat: 快手关键词搜索存储CSV完成	2023-11-26 01:05:52 +08:00
main.py	feat: 代理IP功能 Done	2023-12-08 00:10:04 +08:00
mypy.ini	feat: 完善类型注释，增加 mypy 类型检测	2023-07-16 17:57:18 +08:00
recv_sms_notification.py	fix: issue #22	2023-07-30 20:43:02 +08:00
requirements.txt	doc: add command usage	2023-11-26 15:38:38 +08:00
var.py	feat: 快手视频评论爬取done；数据保存到DB、CSV done	2023-11-26 21:43:39 +08:00

README.md

免责声明：

本仓库的所有内容仅供学习和参考之用，禁止用于商业用途。任何人或组织不得将本仓库的内容用于非法用途或侵犯他人合法权益。本仓库所涉及的爬虫技术仅用于学习和研究，不得用于对其他平台进行大规模爬虫或其他非法行为。对于因使用本仓库内容而引起的任何法律责任，本仓库不承担任何责任。使用本仓库的内容即表示您同意本免责声明的所有条款和条件。

仓库描述

小红书爬虫，抖音爬虫， 快手爬虫， B站爬虫...。
目前能抓取小红书、抖音、快手、B站的视频、图片、评论、点赞、转发等信息。

原理：利用playwright搭桥，保留登录成功后的上下文浏览器环境，通过执行JS表达式获取一些加密参数通过使用此方式，免去了复现核心加密JS代码，逆向难度大大降低。

爬虫技术交流群：949715256

欢迎大家贡献代码提交PR

目前爬虫正在用的IP代理：极速HTTP代理新用户注册认证最高送12000IP，0元试用

功能列表

平台	Cookie 登录	二维码登录	手机号登录	关键词搜索	指定视频/帖子 ID 爬取	登录状态缓存	数据保存	IP 代理池	滑块验证码
小红书	✅	✅	✅	✅	✅	✅	✅	✅	✕
抖音	✅	✅	✅	✅	✅	✅	✅	✅	✅
快手	✅	✅	✕	✅	✅	✅	✅	✅	✕
B 站	✅	✅	✕	✅	✕	✅	✅	✕	✕
微博	✕	✕	✕	✕	✕	✕	✕	✕	✕

使用方法

创建 python 虚拟环境
```
python3 -m venv venv
```
安装依赖库
```
pip install -r requirements.txt
```
安装playwright浏览器驱动
```
playwright install
```
是否保存数据到DB中

如果选择开启，则需要配置数据库连接信息，config/db_config.py 中的 IS_SAVED_DATABASED和RELATION_DB_URL 变量。然后执行以下命令初始化数据库信息，生成相关的数据库表结构：
```
python db.py
```

运行爬虫程序

# 从配置文件中读取关键词搜索相关的帖子并爬去帖子信息与评论
python main.py --platform xhs --lt qrcode --type search

# 从配置文件中读取指定的帖子ID列表获取指定帖子的信息与评论信息
python main.py --platform xhs --lt qrcode --type detail

# 其他平台爬虫使用示例, 执行下面的命令查看
 python3 main.py --help