声明本项目仅供学习参考使用请勿做任何商业化乃至违法行为请勿大量请求以免给服务器带来不必要的负担。在开始之前安利一个特别好用的红薯数据爬取平台GalaxyAPI爬虫平台废话不多说先上结果前言小红书作为一个以种草、分享生活方式、商品评测为主的社区平台日常使用用户多且内容丰富因此也常常成为数据采集工作的重要目标。然而小红书在反爬虫方面做了不少功夫如果只是通过普通的requests库发送请求往往会遇到各种报错或“疑似异常流量”而被禁止访问。本文将为你详细介绍一套Python 实现的小红书爬虫思路包括在抓包时发现的接口信息、必需的加密参数生成、Cookies 的获取和切换、数据的抓取与持久化、图片下载等环节。最终你可以通过该示例一次性爬取多个用户的笔记列表和详情信息并将数据存储到 CSV 文件甚至还能根据需求把笔记中的图片也一起下载到本地。一、项目背景与思路梳理1.1 为什么要逆向许多网站尤其是移动端 / H5 服务为了提高安全性会对其接口做各种加密或混淆处理以防止未经授权的爬虫大规模采集数据。具体做法包括但不限于请求头和参数的加密签名没有正确的签名就会返回{success: false}或者被识别为异常流量。限制访问频率同一个 IP、同一组 Cookies短时间内触发过多请求就会被封禁或触发验证码。JS 加密在前端网页中通过各种方式对请求参数或关键字段进行加密处理。在本文中我们需要的关键参数有x-s、x-t小红书的核心加密签名用于鉴权。xsec_token当获取用户笔记列表或单条笔记详情时需要携带该参数来验证。以及一系列从 Cookies 中获取的a1、web_session等信息。1.2 核心流程概括而言整个爬虫流程可以拆解为以下几个阶段准备阶段获取或准备多份小红书Cookies可通过浏览器手动登录并抓包获取也可以通过手机号 / 短信登录后拿到。由于访问小红书接口容易触发频率限制一旦某一份 Cookie 超过访问阈值需要切换到下一份 Cookies 继续爬取。获取 JS 文件如1.js内部包含了小红书签名生成所需的核心函数getXs我们将借助execjs在 Python 环境中调用它。读取博主 ID通过pandas从 Excel 表格或 CSV 文件中读取每位博主的 user_id。循环爬取获取博主笔记列表针对每个博主调用GET /api/sns/web/v1/user_posted接口获取其笔记列表。需要进行分页通过cursor实现翻页直到has_more为 False 或者没有返回cursor说明没有更多笔记。获取单条笔记详情对于获取到的每一条笔记需要二次请求POST /api/sns/web/v1/feed接口获得更详细的数据如笔记文本、标签、点赞收藏数、评论数、博主 IP 位置、图片列表等。数据解析与持久化将笔记 ID、笔记标题、笔记标签、发布时间、博主信息、互动数量等保存到 CSV或Excel文件中。如果需要的话可调用下载图片的函数将笔记中的图片也保存到本地文件夹。频率限制与 Cookies 切换如果请求过于频繁且同一份 Cookies 反复使用就可能出现success false或者 461等错误。这时需要在当前页面或下一次请求切换到下一组 Cookies尽量减少被封禁的概率。同时可以添加一定的请求延迟如time.sleep(0.5)让访问更自然。二、环境与依赖Python 3.xrequests发送 HTTP 请求execjs用 Python 执行 JSloguru更优雅的日志输出pandas处理 Excel / CSV 数据openpyxl如果需要读取 Excel xlsx 文件需安装此库re、json、time、datetime、randomPython 内置模块在使用前请先安装以下核心库pip install requests execjs loguru pandas openpyxl并将逆向得到的小红书签名 JS 文件放在脚本同级目录下。三、项目中的关键代码详解下面的示例来自一个可正常执行并获取小红书博主笔记信息的爬虫脚本。我们将分几个功能函数为你一一解释实现原理与示例代码。最后会把所有函数组装到一起形成一个完整可运行的脚本。3.1 生成签名update_headers函数在小红书的接口中x-s、x-t这两个字段是最关键的签名参数。如果不带或不正确就会出现{success: false}等错误。通过前期的JS 逆向或抓包分析我们可以在网页中找到类似getXs的函数专门用于生成x-s、x-t。通过将其提取成单独的 JavaScript 文件我们在 Python 中调用它即可。def update_headers(api, data, current_cookies): 使用 execjs 执行 JS 文件生成 x-s, x-t 签名 :param api: 接口路径示例/api/sns/web/v1/feed 或带有参数的全路径 :param data: 请求 body 或者需要参与签名的字段可为 None :param current_cookies: 当前使用的 Cookies提取 a1 :return: 包含 X-s, X-t 的字典 with open(GenXsAndCommon_56.js, r, encodingutf-8) as f: js_script f.read() context execjs.compile(js_script) # 第三个参数是 a1 值在 cookies 中 sign context.call(getXs, api, data, current_cookies[a1]) return sign这个函数的工作流程很简单读取并编译 JS 文件调用其中的getXs方法传入接口路径、请求数据、以及 cookies 里的a1。返回一个字典含有{X-s: xxx, X-t: 123456789}。拿到签名后我们就可以把它放到请求头里去发送请求了。3.2 请求用户笔记列表main函数核心循环为了实现批量爬取我们通常会从一个文件如博主id.xlsx中读取许多用户 ID (user_id)然后挨个请求GET /api/sns/web/v1/user_posted接口拿到该用户的所有笔记。以下示例展示了主函数main中的关键逻辑def main(file_path, file_name, cookies_list, is_downloadFalse): # 1. 读取用户ID data pd.read_excel(file_path) # 或 pd.read_csv user_ids data[用户id] # 假定excel中有一列叫用户id # 2. 小红书的接口地址 url https://edith.xiaohongshu.com/api/sns/web/v1/user_posted person_index 1 # 3. 遍历每个 user_id依次爬取笔记列表 for user_id in user_ids: has_more True print(f正在爬取第{person_index}个人 {user_id} 的帖子信息) # 3.1 初始化请求参数 params { num: 30, # 一页返回多少条 cursor: , # 分页游标 user_id: user_id, image_formats: jpg,webp,avif, xsec_token: , # 预留字段 xsec_source: pc_note } k 0 # 3.2 当 has_more 为 True 就不断分页请求 while has_more: current_cookie_index 0 # 3.3 如果遇到访问异常则切换cookies while current_cookie_index len(cookies_list): current_cookies cookies_list[current_cookie_index] # 拼接参数并复制初始headers params_encoded urllib.parse.urlencode(params) headers headers_init.copy() # 生成 x-s、x-t 并写入到 headers 中 sign_headers update_headers( f/api/sns/web/v1/user_posted?{params_encoded}, # 接口带查询参数 None, current_cookies ) headers[x-s] sign_headers[X-s] headers[x-t] str(sign_headers[X-t]) # 3.4 发起请求 response1 requests.get(url, headersheaders, cookiescurrent_cookies, paramsparams) print(response1.status_code) # 3.5 如果状态码200且 successtrue则表示正常返回 if response1.status_code 200 and response1.json().get(success) True: data_json response1.json() # 解析下一页所需的 cursor、has_more notes data_json.get(data, {}).get(notes, []) has_more data_json.get(data, {}).get(has_more, False) cursor data_json.get(data, {}).get(cursor, None) if cursor: params[cursor] cursor logger.info(f成功更新 cursor 为: {cursor}) else: has_more False logger.info(未返回 cursor结束分页) # 3.6 遍历当前页所有笔记 for note in notes: logger.info(f正在爬取第{person_index}个人的第{k}个帖子) k 1 xsec_token note.get(xsec_token) note_id note.get(note_id) # 获取笔记详情 note_data, status_code_result, headers_result fetch_xiaohongshu_data( note_id, xsec_token, current_cookies ) # 如果 successFalse说明被识别为频率异常需要切换Cookies if status_code_result 200 and note_data.get(success) False: current_cookie_index 1 print(出现访问频率异常切换下一个cookies跳出当前页笔记循环) k - 1 # 回退一下计数因为这一条笔记没有成功获取 break else: # 如果获取成功则解析并保存 if status_code_result 200 and note_data.get(success) True: note_id, user_id_1 parse_data(note_data, file_name, xsec_token) # 如果需要下载笔记内图片 if is_download True: download_img(note_data, user_id_1, note_id) else: logger.error(请求失败跳过) current_cookie_index 1 # 如果这一页爬完并且没有更多就退出 if has_more False: logger.info(f用户{user_id}的笔记已经爬完) break else: # 若请求不成功切换Cookies重试 logger.info(------------------------------------) logger.info(请求失败切换下一个 cookies) logger.info(------------------------------------) current_cookie_index 1 person_index 1 logger.info(所有用户数据处理完毕)需要注意若请求过于频繁或某一 Cookie 被判定为异常则需要切换到cookies_list中的下一个 Cookie。由于小红书接口的复杂性建议你在实际部署时也要考虑代理池的使用避免 IP 被拉黑。请不要大规模爬取以免给服务器带来不必要的负担。3.3 获取单条笔记详情fetch_xiaohongshu_data函数用户笔记列表接口虽然能拿到很多基础信息但并不够全面。通常我们还需要调用单条笔记的详情接口进行爬取例如POST /api/sns/web/v1/feed。该接口需要在请求体中传递source_note_id、xsec_token、xsec_source等并再次生成签名def fetch_xiaohongshu_data(source_note_id, xsec_token, cookies): url https://edith.xiaohongshu.com/api/sns/web/v1/feed api_endpoint /api/sns/web/v1/feed # 请求体 data { source_note_id: source_note_id, image_formats: [jpg, webp, avif], extra: {need_body_topic: 1}, xsec_source: pc_feed, xsec_token: xsec_token } a1_value cookies[a1] headers { accept: application/json, text/plain, */*, accept-language: en-US,en;q0.9, cache-control: no-cache, content-type: application/json;charsetUTF-8, origin: https://www.xiaohongshu.com, pragma: no-cache, priority: u1, i, referer: https://www.xiaohongshu.com/, sec-ch-ua: \Not/A)Brand\;v\8\, \Chromium\;v\126\, sec-ch-ua-mobile: ?0, sec-ch-ua-platform: \macOS\, sec-fetch-dest: empty, sec-fetch-mode: cors, sec-fetch-site: same-site, user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko), x-b3-traceid: 9cbac8e2b8562aa3 } # 与上面相同再次通过 JS 文件生成 x-s, x-t with open(GenXsAndCommon_56.js, r, encodingutf-8) as f: js_script f.read() context execjs.compile(js_script) sign context.call(getXs, api_endpoint, data, a1_value) headers[x-s] sign[X-s] headers[x-t] str(sign[X-t]) # 发起请求 data_json json.dumps(data, separators(,, :)) time.sleep(0.5) # 做一个小延时减小被识别为爬虫的概率 response requests.post(url, headersheaders, cookiescookies, datadata_json) return response.json(), response.status_code, response.headers调用此函数后我们会得到一个JSON 响应其中包含了笔记正文、图片信息、点赞收藏数、评论数、IP 所属地等。3.4 解析并保存数据parse_data函数拿到笔记详情后就可以对响应进行解析并将关键字段保存到本地 CSV 文件中了。例如def parse_data(data, filename博主信息, xsec_token0): fieldnames [ 笔记id, xsec_token, 笔记链接, 笔记类型, 笔记标题, 笔记正文, 笔记标签, 发布时间, 笔记最后更新时间, 图片链接, 点赞数, 收藏数, 评论数, 分享数, 用户名, 用户id, 用户ip, 用户头像 ] file_name f{filename}.csv file_exists os.path.isfile(file_name) with open(file_name, modea, newline, encodingutf-8-sig) as file: writer csv.DictWriter(file, fieldnamesfieldnames) if not file_exists: writer.writeheader() item data[data][items][0] # 取到 note 数据 note_card item[note_card] note_id item[id] note_url fhttps://www.xiaohongshu.com/explore/{note_id}?xsec_token{xsec_token}xsec_sourcepc_feed note_type item[model_type] desc note_card.get(desc, ) # 提取 #标签 tags re.findall(r#([^#]?)(?\[话题\]), desc) tags , .join(tags) # 互动信息 interact_info note_card.get(interact_info, {}) publish_time note_card.get(time) title note_card.get(title, ) user_info note_card.get(user, {}) user_avatar user_info.get(avatar, ) user_name user_info.get(nickname, ) user_id user_info.get(user_id, ) last_updated_time note_card.get(last_update_time, ) like_count interact_info.get(liked_count, 0) collect_count interact_info.get(collected_count, 0) comment_count interact_info.get(comment_count, 0) share_count interact_info.get(share_count, 0) ip note_card.get(ip_location, ) # 笔记首图 image_url if note_card.get(image_list): image_url note_card[image_list][0][info_list][0][url] # 写入CSV writer.writerow({ 笔记id: note_id, xsec_token: xsec_token, 笔记链接: note_url, 笔记类型: note_type, 笔记标题: title, 笔记正文: desc, 笔记标签: tags, 发布时间: convert_scientific_time(publish_time), 笔记最后更新时间: convert_scientific_time(last_updated_time), 图片链接: image_url, 点赞数: convert_to_int(like_count), 收藏数: convert_to_int(collect_count), 评论数: convert_to_int(comment_count), 分享数: convert_to_int(share_count), 用户名: user_name, 用户id: user_id, 用户ip: ip, 用户头像: user_avatar }) return note_id, user_id这里做了几个小处理正则匹配话题用re.findall(r#([^#]?)(?\[话题\]), desc)来找出笔记中以#开头且紧跟[话题]的标签。时间转换小红书返回的时间戳往往是毫秒级需要除 1000 并再使用datetime.fromtimestamp转换成人类可读的格式。“万” 字符处理当点赞量或评论量超过一万小红书会显示类似 “2.3万”这时要换算回整数值保存。def convert_scientific_time(time_str): timestamp float(time_str) timestamp_in_seconds timestamp / 1000 readable_time datetime.fromtimestamp(timestamp_in_seconds).strftime(%Y年%m月%d日 %H:%M:%S) return readable_time def convert_to_int(value): if 万 in value: value value.replace(万, ) return float(value) * 10000 else: return value3.5 下载图片download_img函数可选如果业务需要存储图片可以在爬取到笔记详情时将note_card[image_list]中的图片地址遍历下载下来def download_img(data, user_id, note_id): image_list data[data][items][0][note_card][image_list] image_urls [img[url_default] for img in image_list] output_dir os.path.join(images, user_id, note_id) os.makedirs(output_dir, exist_okTrue) for idx, url in enumerate(image_urls): try: response requests.get(url) if response.status_code 200: file_path os.path.join(output_dir, fimage_{idx 1}.jpg) with open(file_path, wb) as f: f.write(response.content) logger.info(f图片下载成功: {file_path}) except Exception as e: logger.error(f图片下载出错: {e})这样就能在images/用户id/笔记id文件夹下存储下载到的所有图片。3.6 完整脚本示例将以上函数整合存放到同一个 Python 文件如xiaohongshu_spider.py即可。请在运行前先确认你拥有GenXsAndCommon_56.js、博主id.xlsx等文件并且手动更新了cookies_list中的 Cookies。示例import time import execjs import urllib.parse from loguru import logger import pandas as pd import os import requests import re import csv from datetime import datetime import json import random def base36encode(number, digits0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ): base36 while number: number, i divmod(number, 36) base36 digits[i] base36 return base36.lower() def generate_search_id(): timestamp int(time.time() * 1000) 64 random_value int(random.uniform(0, 2147483646)) return base36encode(timestamp random_value) def convert_scientific_time(time_str): timestamp float(time_str) timestamp_in_seconds timestamp / 1000 readable_time datetime.fromtimestamp(timestamp_in_seconds).strftime(%Y年%m月%d日 %H:%M:%S) return readable_time def convert_to_int(value): if 万 in value: value value.replace(万, ) return float(value) * 10000 else: return value def update_headers(api, data, current_cookies): with open(GenXsAndCommon_56.js, r, encodingutf-8) as f: js_script f.read() context execjs.compile(js_script) sign context.call(getXs, api, data, current_cookies[a1]) return sign headers_init { accept: application/json, text/plain, */*, accept-language: en-US,en;q0.9, cache-control: no-cache, origin: https://www.xiaohongshu.com, pragma: no-cache, priority: u1, i, referer: https://www.xiaohongshu.com/, sec-ch-ua: \Google Chrome\;v\129\, \NotA?Brand\;v\8\, \Chromium\;v\129\, sec-ch-ua-mobile: ?0, sec-ch-ua-platform: \macOS\, sec-fetch-dest: empty, sec-fetch-mode: cors, sec-fetch-site: same-site, user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7), x-b3-traceid: 9d6c7dd3a155b6a5 } def fetch_xiaohongshu_data(source_note_id, xsec_token, cookies): url https://edith.xiaohongshu.com/api/sns/web/v1/feed api_endpoint /api/sns/web/v1/feed data { source_note_id: source_note_id, image_formats: [jpg, webp, avif], extra: {need_body_topic: 1}, xsec_source: pc_feed, xsec_token: xsec_token } a1_value cookies[a1] headers { accept: application/json, text/plain, */*, accept-language: en-US,en;q0.9, cache-control: no-cache, content-type: application/json;charsetUTF-8, origin: https://www.xiaohongshu.com, pragma: no-cache, priority: u1, i, referer: https://www.xiaohongshu.com/, sec-ch-ua: \Not/A)Brand\;v\8\, \Chromium\;v\126\, sec-ch-ua-mobile: ?0, sec-ch-ua-platform: \macOS\, sec-fetch-dest: empty, sec-fetch-mode: cors, sec-fetch-site: same-site, user-agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7), x-b3-traceid: 9cbac8e2b8562aa3 } with open(GenXsAndCommon_56.js, r, encodingutf-8) as f: js_script f.read() context execjs.compile(js_script) sign context.call(getXs, api_endpoint, data, a1_value) headers[x-s] sign[X-s] headers[x-t] str(sign[X-t]) data_json json.dumps(data, separators(,, :)) time.sleep(0.5) response requests.post(url, headersheaders, cookiescookies, datadata_json) return response.json(), response.status_code, response.headers def parse_data(data, filename博主信息, xsec_token0): fieldnames [ 笔记id, xsec_token, 笔记链接, 笔记类型, 笔记标题, 笔记正文, 笔记标签, 发布时间, 笔记最后更新时间, 图片链接, 点赞数, 收藏数, 评论数, 分享数, 用户名, 用户id, 用户ip, 用户头像 ] file_name f{filename}.csv file_exists os.path.isfile(file_name) with open(file_name, modea, newline, encodingutf-8-sig) as file: writer csv.DictWriter(file, fieldnamesfieldnames) if not file_exists: writer.writeheader() item data[data][items][0] note_card item[note_card] note_id item[id] note_url fhttps://www.xiaohongshu.com/explore/{note_id}?xsec_token{xsec_token}xsec_sourcepc_feed note_type item[model_type] desc note_card.get(desc, ) tags re.findall(r#([^#]?)(?\[话题\]), desc) tags , .join(tags) interact_info note_card.get(interact_info, {}) publish_time note_card.get(time) title note_card.get(title, ) user_info note_card.get(user, {}) user_avatar user_info.get(avatar, ) user_name user_info.get(nickname, ) user_id user_info.get(user_id, ) last_updated_time note_card.get(last_update_time, ) like_count interact_info.get(liked_count, 0) collect_count interact_info.get(collected_count, 0) comment_count interact_info.get(comment_count, 0) share_count interact_info.get(share_count, 0) ip note_card.get(ip_location, ) image_url if note_card.get(image_list): image_url note_card[image_list][0][info_list][0][url] writer.writerow({ 笔记id: note_id, xsec_token: xsec_token, 笔记链接: note_url, 笔记类型: note_type, 笔记标题: title, 笔记正文: desc, 笔记标签: tags, 发布时间: convert_scientific_time(publish_time), 笔记最后更新时间: convert_scientific_time(last_updated_time), 图片链接: image_url, 点赞数: convert_to_int(like_count), 收藏数: convert_to_int(collect_count), 评论数: convert_to_int(comment_count), 分享数: convert_to_int(share_count), 用户名: user_name, 用户id: user_id, 用户ip: ip, 用户头像: user_avatar }) return note_id, user_id def download_img(data, user_id, note_id): image_list data[data][items][0][note_card][image_list] image_urls [img[url_default] for img in image_list] output_dir os.path.join(images, user_id, note_id) os.makedirs(output_dir, exist_okTrue) for idx, url in enumerate(image_urls): try: response requests.get(url) if response.status_code 200: file_path os.path.join(output_dir, fimage_{idx 1}.jpg) with open(file_path, wb) as f: f.write(response.content) logger.info(f图片下载成功: {file_path}) except Exception as e: logger.error(f图片下载出错: {e}) def main(file_path, file_name, cookies_list, is_downloadFalse): data pd.read_excel(file_path) user_ids data[用户id] url https://edith.xiaohongshu.com/api/sns/web/v1/user_posted person_index 1 for user_id in user_ids: has_more True print(f正在爬取第{person_index}个人 {user_id} 的帖子信息) params { num: 30, cursor: , user_id: user_id, image_formats: jpg,webp,avif, xsec_token: , xsec_source: pc_note } k 0 while has_more: current_cookie_index 0 while current_cookie_index len(cookies_list): current_cookies cookies_list[current_cookie_index] params_encoded urllib.parse.urlencode(params) headers headers_init.copy() sign_headers update_headers( f/api/sns/web/v1/user_posted?{params_encoded}, None, current_cookies ) headers[x-s] sign_headers[X-s] headers[x-t] str(sign_headers[X-t]) response1 requests.get(url, headersheaders, cookiescurrent_cookies, paramsparams) print(response1.status_code) if response1.status_code 200 and response1.json().get(success) True: data_json response1.json() notes data_json.get(data, {}).get(notes, []) has_more data_json.get(data, {}).get(has_more, False) cursor data_json.get(data, {}).get(cursor, None) if cursor: params[cursor] cursor logger.info(f成功更新 cursor 为: {cursor}) else: has_more False logger.info(未返回 cursor结束分页) for note in notes: logger.info(f正在爬取第{person_index}个人的第{k}个帖子) k 1 xsec_token note.get(xsec_token) note_id note.get(note_id) note_data, status_code_result, headers_result fetch_xiaohongshu_data( note_id, xsec_token, current_cookies ) if status_code_result 200 and note_data.get(success) False: current_cookie_index 1 print(出现频率访问异常切换下一个cookies跳出当前页笔记) k - 1 break else: pass if status_code_result 200 and note_data.get(success) True: note_id, user_id_1 parse_data(note_data, file_name, xsec_token) if is_download True: download_img(note_data, user_id_1, note_id) else: logger.error(请求失败跳过) current_cookie_index 1 if has_more False: logger.info(f用户{user_id}的笔记已经爬完) break else: logger.info(------------------------------------) logger.info(请求失败切换下一个 cookies) logger.info(------------------------------------) current_cookie_index 1 person_index 1 logger.info(所有用户数据处理完毕) if __name__ __main__: file_path 博主id.xlsx # 存放博主用户ID的Excel cookies_list [ ] is_download True file_name 博主帖子信息 main(file_path, file_name, cookies_list, is_download)结果展示四、可能遇到的问题与应对频繁出现“频率请求限制”需要搭建代理池或降低请求频率或者在同一次爬取里轮换使用不同 Cookies 和不同 IP。只做参考学习使用切勿大量爬取。CSV 文件乱码写入 CSV 时可以使用encodingutf-8-sig或者gb18030看你本机环境需求。爬取速度过慢 / 数据量大可以做多线程或多进程加速需要在多线程场景下注意 Cookies 和频率控制策略避免过度访问被封。只用作参考学习使用切勿大量爬取。五、总结通过上文的示例我们了解了如何借助 Python ExecJS来模拟小红书官方 JS 的请求签名过程从而实现对用户笔记列表和笔记详情的批量爬取。重点在于逆向获取 JS 并在 Python 中执行缺少这一步就无法正确生成x-s、x-t进而无法正常拿到小红书的数据。Cookies 管理和频率控制当访问过于频繁时需要切换 Cookies 并加入适度的延时以规避被封只用作参考学习使用切勿大量爬取。数据解析与持久化拿到接口返回的数据后要有完善的解析逻辑将结果按需存储到 CSV / Excel若涉及下载图片也要逐条保存到本地目录。声明本示例仅用于学习与技术交流请勿将其用于任何商业或非法用途。若有侵权请及时与笔者联系。如果这篇文章对你有帮助欢迎点赞、收藏或关注如有其他疑问或想进一步探讨的欢迎留言或私信交流。参考与致谢Python 官方文档requests 库 GitHubexecjs 库 PyPI以及在逆向分析小红书 Web 端 JS 过程中提供帮助的社区大佬们。END