前言
本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理。
以下文章来源于Python进击者 ，作者kuls
Python爬虫、数据分析、网站开发等案例教程视频免费在线观看
https://space.bilibili.com/523606542
小红书
首先，我们打开之前大家配置好的charles
我们来简单抓包一下小红书小程序(注意这里是小程序，不是app)
不选择app的原因是，小红书的App有点难度，参照网上的一些思路，还是选择了小程序
1、通过charles抓包对小程序进行分析
我们打开小红书小程序，随意搜索一个关键词
按照我的路径，你可以发现列表中的数据已经被我们抓到了。
但是你以为这就结束了？
不不不
通过这次抓包，我们知道了可以通过这个api接口获取到数据
但是当我们把爬虫都写好时，我们会发现headers里面有两个很难处理的参数
"authorization"和"x-sign"
这两个玩意，一直在变化，而且不知道从何获取。
所以
2、使用mitmproxy来进行抓包
其实通过charles抓包，整体的抓取思路我们已经清晰
就是获取到"authorization"和"x-sign"两个参数，然后对url进行get请求
这里用到的mitmproxy，其实和charles差不多，都是抓包工具
但是mitmproxy能够跟Python一起执行
这就舒服很多啊
简单给大家举例子
def request(flow): print(flow.request.headers)
在mitmproxy中提供这样的方法给我们，我们可以通过request对象截取到request headers中的url、cookies、host、method、port、scheme等属性
这不正是我们想要的吗？
我们直接截取"authorization"和"x-sign" 这两个参数
然后往headers里填入
整个就完成了。
以上是我们整个的爬取思路，下面给大家讲解一下代码怎么写
其实代码写起来并不难
首先，我们必须截取到搜索api的流，这样我们才能够对其进行获取信息
if 'https://www.xiaohongshu.com/fe_api/burdock/weixin/v2/search/notes' in flow.request.url:
我们通过判断flow的request里面是否存在搜索api的url
来确定我们需要抓取的请求
authorization=re.findall("authorization',.*",str(flow.request.headers))[0]
x_sign=re.findall("x-sign',.*",str(flow.request.headers))[0]
url=flow.request.url
通过上述代码，我们就能够把最关键的三个参数拿到手了，接下来就是一些普通的解析json了。
最终，我们可以拿到自己想要的数据了
如果你想要获取到单篇数据，可以拿到文章id后抓取
"https://www.xiaohongshu.com/discovery/item/" + str(id)
这个页面headers里需要带有cookie，你随意访问一个网站都可以拿到cookie，目前看来好像是固定的
最后，可以把数据放入csv
总结
其实小红书爬虫的抓取并不是特别的难，关键在于思路以及使用的方法是什么。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
更新日志
- 小骆驼-《草原狼2(蓝光CD)》[原抓WAV+CUE]
- 群星《欢迎来到我身边 电影原声专辑》[320K/MP3][105.02MB]
- 群星《欢迎来到我身边 电影原声专辑》[FLAC/分轨][480.9MB]
- 雷婷《梦里蓝天HQⅡ》 2023头版限量编号低速原抓[WAV+CUE][463M]
- 群星《2024好听新歌42》AI调整音效【WAV分轨】
- 王思雨-《思念陪着鸿雁飞》WAV
- 王思雨《喜马拉雅HQ》头版限量编号[WAV+CUE]
- 李健《无时无刻》[WAV+CUE][590M]
- 陈奕迅《酝酿》[WAV分轨][502M]
- 卓依婷《化蝶》2CD[WAV+CUE][1.1G]
- 群星《吉他王(黑胶CD)》[WAV+CUE]
- 齐秦《穿乐(穿越)》[WAV+CUE]
- 发烧珍品《数位CD音响测试-动向效果（九）》【WAV+CUE】
- 邝美云《邝美云精装歌集》[DSF][1.6G]
- 吕方《爱一回伤一回》[WAV+CUE][454M]