MediaCrawler-开源小红书抖音微博爬虫工具

网站介绍

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。

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）