xiaohongshu-skill
# 小红书 Skill
基于 Python Playwright 的小红书（rednote）交互工具，通过浏览器自动化从 `window.__INITIAL_STATE__`（Vue SSR 状态）中提取结构化数据。
## 前置条件
在 `{baseDir}` 目录下安装依赖：
```bash
cd {baseDir}
pip install -r requirements.txt
playwright install chromium
```
Linux/WSL 环境还需运行：
```bash
playwright install-deps chromium
```
## 快速开始
所有命令从 `{baseDir}` 目录运行。
### 1. 登录（首次必须）
```bash
cd {baseDir}
# 打开浏览器窗口，显示二维码供微信/小红书扫描
python -m scripts qrcode --headless=false
# 检查登录是否仍然有效
python -m scripts check-login
```
在无头环境下，二维码图片保存到 `{baseDir}/data/qrcode.png`，可通过其他渠道发送扫码。
### 2. 搜索
```bash
cd {baseDir}
# 基础搜索
python -m scripts search "关键词"
# 带筛选条件
python -m scripts search "美食" --sort-by=最新 --note-type=图文 --limit=10
```
**筛选选项：**
- `--sort-by`：综合、最新、最多点赞、最多评论、最多收藏
- `--note-type`：不限、视频、图文
- `--publish-time`：不限、一天内、一周内、半年内
- `--search-scope`：不限、已看过、未看过、已关注
- `--location`：不限、同城、附近
### 3. 帖子详情
```bash
cd {baseDir}
# 使用搜索结果中的 id 和 xsec_token
python -m scripts feed <feed_id> <xsec_token>
# 加载评论
python -m scripts feed <feed_id> <xsec_token> --load-comments --max-comments=20
```
### 4. 用户主页
```bash
cd {baseDir}
python -m scripts user <user_id> [xsec_token]
```
## 数据提取路径
| 数据类型 | JavaScript 路径 |
|----------|----------------|
| 搜索结果 | `window.__INITIAL_STATE__.search.feeds` |
| 帖子详情 | `window.__INITIAL_STATE__.note.noteDetailMap` |
| 用户信息 | `window.__INITIAL_STATE__.user.userPageData` |
| 用户笔记 | `window.__INITIAL_STATE__.user.notes` |
**Vue Ref 处理：** 始终通过 `.value` 或 `._value` 解包：
```javascript
const data = obj.value !== undefined ? obj.value : obj._value;
```
## 反爬保护
本 Skill 内置了针对小红书反机器人策略的保护措施：
- **频率控制**：两次导航间自动延迟 3-6 秒，每 5 次连续请求后冷却 10 秒
- **验证码检测**：自动检测安全验证页面重定向，触发时抛出 `CaptchaError` 并给出处理建议
- **仿人类行为**：随机延迟、滚动模式、User-Agent 伪装
**触发验证码时的处理：**
1. 等待几分钟后重试
2. 运行 `cd {baseDir} && python -m scripts qrcode --headless=false` 手动通过验证
3. 如 Cookie 失效，重新扫码登录
## 输出格式
所有命令输出 JSON 到标准输出。搜索结果示例：
```json
{
"id": "abc123",
"xsec_token": "ABxyz...",
"title": "帖子标题",
"type": "normal",
"user": "用户名",
"user_id": "user123",
"liked_count": "1234",
"collected_count": "567",
"comment_count": "89"
}
```
## 文件结构
```
{baseDir}/
├── SKILL.md # 本文件（Skill 规范）
├── README.md # 项目文档
├── requirements.txt # Python 依赖
├── LICENSE # MIT 许可证
├── data/ # 运行时数据（二维码、调试输出）
└── scripts/ # 核心模块
├── __init__.py
├── __main__.py # CLI 入口
├── client.py # 浏览器客户端封装（频率控制 + 验证码检测）
├── login.py # 二维码扫码登录流程
├── search.py # 搜索（支持多种筛选）
├── feed.py # 帖子详情提取
└── user.py # 用户主页提取
```
## 跨平台兼容性
| 环境 | 无头模式 | 有头模式（扫码登录） | 备注 |
|------|----------|----------------------|------|
| Windows | 支持 | 支持 | 主要开发环境 |
| WSL2 (Win11) | 支持 | 通过 WSLg 支持 | 需要 `playwright install-deps` |
| Linux 服务器 | 支持 | 不适用 | 二维码保存为图片文件 |
## 注意事项
1. **Cookie 过期**：Cookie 会定期过期，`check-login` 返回 false 时需重新登录
2. **频率限制**：过度抓取会触发验证码，请依赖内置的频率控制
3. **xsec_token**：Token 与会话绑定，始终使用搜索/用户结果中的最新 Token
4. **仅供学习**：请遵守小红书的使用条款，本工具仅用于学习研究
标签
skill
ai
