GitHub项目
MediaCrawler-开源小红书抖音微博爬虫工具
00 分钟
2024-8-13
2024-8-13
type
status
date
slug
tags
category
summary
icon
password
sourceUrl
Property
Created time
Aug 13, 2024 11:00 AM

MediaCrawler是什么

MediaCrawler是一个在线 开源的小红书抖音微博 爬虫工具，支持目前能 抓取小红书、抖音、快手、B站、微博的视频、图片、评论、点赞、转发等信息。工具原理是利用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，使用需要一定的技术知识。

MediaCrawler功能列表

notion image

MediaCrawler如何使用

创建并激活 python 虚拟环境

# 进入项目根目录 cd MediaCrawler
# 创建虚拟环境 python -m venv venv
# macos & linux 激活虚拟环境 source venv/bin/activate
# windows 激活虚拟环境 venv\Scripts\activate

安装依赖库

pip3 install -r requirements.txt

安装 playwright浏览器驱动

playwright install

运行爬虫程序

# 默认没有开启评论爬取模式，有需要请到配置文件中指定

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

打开对应APP扫二维码登录

其他平台爬虫使用示例, 执行下面的命令查看

python main.py --help

数据保存

  • 支持保存到关系型数据库（Mysql、PgSQL等）
  • 支持保存到csv中（data/目录下）
  • 支持保存到json中（data/目录下）

开源小红书抖音微博爬虫工具

源码备份：国内网盘
GitHub：https://github.com/NanmiCoder/MediaCrawler
上一篇
Transformers快速入门
下一篇
游戏编程模式中文版-Game Programming Patterns+英文版
评论
Loading...