Deep Reasoning Developer is an…

# 小红书“露营装备”笔记爬取脚本（Python）

⚠️ 重要说明

• 小红书有严格反爬机制（签名参数 X-s、X-t 需逆向或借助自动化工具），直接requests请求大概率返回406/463。
• 推荐使用 Playwright/Selenium 模拟浏览器 方案，合规性更高、成功率高。
• 仅限学习研究使用，控制频率，勿商用或大规模采集。

技术方案

• 工具：Python + Playwright + openpyxl/pandas
• 思路：打开小红书搜索页 → 注入关键词 → 滚动加载 → 解析笔记卡片 → 写入Excel

核心代码

```python

import asyncio

from playwright.async_api import async_playwright

import pandas as pd

async def crawl():

async with async_playwright() as p:

browser = await p.chromium.launch(headless=False)

page = await browser.new_page()

await page.goto("https://www.xiaohongshu.com/search_result?keyword=露营装备")

await page.wait_for_timeout(3000)

data = []

while len(data) < 50:

# 滚动加载

await page.mouse.wheel(0, 2000)

await page.wait_for_timeout(1500)

cards = await page.query_selector_all("section.note-item")

for card in cards:

if len(data) >= 50:

break

title_el = await card.query_selector("a.title span, .title")

like_el = await card.query_selector(".like-wrapper .count")

title = await title_el.inner_text() if title_el else ""

likes = await like_el.inner_text() if like_el else "0"

data.append({"标题": title.strip(), "点赞数": likes})

df = pd.DataFrame(data[:50])

df.to_excel("露营装备笔记.xlsx", index=False)

await browser.close()

asyncio.run(crawl())

```

关键提示

• 选择器需按实际页面调整：小红书前端改版频繁，用F12检查DOM结构。
• 登录问题：部分内容需扫码登录，首次运行时手动登录，cookies可复用。
• **点赞数格式