xhs_search_comment_tool | python软件采集小红书评论区数据 |界面工具

本软件工具仅限于学术交流使用，严格遵循相关法律法规，符合平台内容合法性，禁止用于任何商业用途！

一、背景分析

1.1 开发背景

小红书作为国内极具影响力的社区种草平台，汇聚海量用户且拥有极高的日活跃度，其笔记下方的评论区蕴含丰富的信息价值。在合法合规、遵循平台规则以及尊重用户隐私的前提下，对小红书评论数据进行合理采集分析，能够帮助企业深入了解消费者对商品和品牌的评价与反馈，从而更好地把握消费者喜好、需求以及购买意向。

基于这样的探索需求，我运用 Python 开发了一款数据采集辅助软件 ——【爬小红书搜索评论软件】 。这款软件严格按照平台公开的接口规范和数据使用政策进行设计开 发，确保数据采集行为的合法性与合规性。

软件支持两种合规的数据采集模式:

1.根据关键词采集评论:在遵循平台搜索规则和数据获取权限的基础上，通过合法输入笔记关键词，获取对应的笔记链接，进而从允许访问的笔记链接中提取评论信息 。 2.根据笔记链接采集评论:用户提供合法获取且平台允许分析的笔记链接，软件依此合规地获取相关评论数据。

用户可根据自身需求，在合法合规的前提下选择其中一种模式进行数据采集。

1.2 软件界面

软件界面，如下:

1.3 结果展示

在合法合规及遵守平台规则的前提下，展示符合数据使用范围的爬取结果示例:

爬取结果 1 - 笔记数据:

爬取结果 2 - 评论数据:

1.4 演示视频

软件在合法合规操作流程下的运行演示:

https://www.bilibili.com/video/BV1uDtneqEhA

1.5 软件说明

几点重要说明，请详读了解:

1. Windows用户可直接双击打开使用，无需Python运行环境，操作便捷。
2. 软件严格通过平台公开允许的接口协议进行数据交互，并非通过模拟浏览器等RPA类工具，确保稳定性与合规性 。
3. 先在cookie.txt中填入符合平台规定获取方式的自己的cookie值，方便重复使用(内附合法合规的cookie获取方法)。
4. 支持按平台允许的笔记类型(综合/视频/图文)和排序方式(综合/最新/最热)进行数据获取。
5. 支持多个的设置项有:在平台规则允许范围内的笔记关键词、笔记链接、评论关键词、IP属地 。
6. 每个关键词最多可采集220条笔记，与网⻚端在平台规则下的搜索数量一致。
7. 爬取过程中，每爬一⻚，存一次csv。并非爬完最后一次性保存!防止因异常中断导致丢失前面的数据(每条间隔1~2s，避免对平台服务器造成过大压力)。 8 8. 爬取过程中，有log文件详细记录运行过程，方便回溯，同时确保记录内容符合平台隐私政策。
8. 爬取过程中，在符合平台数据处理规则下，评论筛选同时进行。并非全部评论爬完再一次性筛选!所以效率较高!
9. 笔记csv含10个字段，有:关键词,⻚码,笔记id,笔记链接,笔记标题,笔记类型,点赞数,用户id,用户主⻚链接,用户昵称(确保各字段数据获取与使用符合平台及用户隐私相关规定 11. 评论csv含10个字段，有:笔记链接,⻚码,评论者昵称,评论者id,评论者主⻚链接,评论时间,评论IP属地,评论点赞数,评论级别,评论内容(确保各字段数据获取与使用符合平台及 以上。

二、主要技术

软件全部模块采用 python 语言开发，主要分工如下:

• tkinter:GUI软件界面

• requests:通过合法合规的接口进行爬虫请求

• json:解析响应数据

• pandas:保存csv结果、数据清洗

• logging:日志记录，确保记录内容符合平台与法律规定

出于版权考虑，暂不公开源码，仅向用户提供软件使用。同时，确保软件使用过程严格遵循平台规则与相关法律法规。

三、功能介绍

3.0 填写 cookie

开始采集前，需按照平台规定的合法方式获取并把自己的 cookie 值填入 cookie.txt 文件。

cookie 获取说明 1:

(确保获取方法符合平台规则)

3.1 根据关键词爬评论

爬取思路:在遵循平台规则下，通过合法输入笔记关键词 -> 获取平台允许访问的笔记链接 -> 提取允许采集的评论 先填写左上区在平台规则允许范围内的笔记筛选项，再填写右上区符合平台规定的评论筛选项，点击按钮 1 进行合规的数据采集。

3.2 根据笔记链接爬评论

爬取思路:使用合法获取且平台允许分析的笔记链接 -> 提取允许采集的评论 先填写中上区合法合规的笔记链接，再填写右上区符合平台规定的评论筛选项，点击按钮 2 进行合规的数据采集。

四、软件首发

软件首发于微信公众号 “老男孩的平凡之路”，欢迎在合法合规的前提下交流!