Xhs Research

小红书（XHS）调研 Skill

架构：站在 Spider_XHS 之上，不重造签名

小红书强制 x-s/x-t/x-s-common 签名（约每月一变），裸爬 / requests 因 TLS 指纹秒封。本 skill 站在 cv-cat/Spider_XHS（逆向了完整签名、纯 API 无需浏览器）之上，只做「定位博主 → 拿笔记 → 拿正文」的编排 + 踩坑规避。

本 skill 不 vendored Spider_XHS 代码（第三方 + 仅供学习 license）。你需自己装它的官方 skill 封装 XhsSkills；本 skill 只放通用编排脚本 + 补丁 + SOP。cookie 是你自己的专用小号、走 .secrets/ 不上 repo——换个人配自己的账号就能跑。

一次性安装

1. clone XhsSkills（cv-cat 官方 Spider_XHS skill 封装，自带裁剪运行时）：

   git clone https://github.com/cv-cat/XhsSkills.git <你选的目录>
   

2. 装依赖（Python 3.10+ / Node 20+）：

   cd <XhsSkills>/skills/xhs-apis/scripts
   python -m venv .venv
   .venv/Scripts/python -m pip install -r requirements.txt   # Windows；*nix 用 .venv/bin/python
   npm install
   

3. 打补丁（修 Spider_XHS 的 split('=') 截断 base64 token bug，见踩坑 #2）：

   python <本skill>/scripts/patch_spider_xhs.py <XhsSkills>/skills/xhs-apis/scripts
   

4. 设环境变量指向 XhsSkills 的 scripts 目录：

   XHS_SKILLS_SCRIPTS=<XhsSkills>/skills/xhs-apis/scripts
   

配 cookie（专用小号，不上 repo）

1. 浏览器登录专用小号 xiaohongshu.com——确认登录成功（右上角是你的头像，不是"登录"按钮）
2. Cookie-Editor 扩展 → Export → Header String（密码留空）
3. 存到 scripts/.secrets/xhs_cookie.txt（.gitignore 已忽略，不上 repo）

用法

# 按名字搜博主（自动选 note_count 最高的那个）
python scripts/probe_and_fetch.py --search "博主名"

# 已知主页链接（从小红书 App 分享/复制，含 xsec_token）
python scripts/probe_and_fetch.py --user-url "https://www.xiaohongshu.com/user/profile/ID?xsec_token=...&xsec_source=pc_search"

# 已知 user_id + token
python scripts/probe_and_fetch.py --user-id ID --xsec-token TOKEN

# 抓前 5 篇正文（默认 3；0 = 不抓正文）
python scripts/probe_and_fetch.py --search "博主名" --bodies 5

输出：scripts/xhs_notes.json（每篇：标题 / note_id / type / 点赞 / xsec_token / 链接 / 正文）。

三个坑（踩过的，务必知道）

1. 游客态 cookie：小红书搜索游客也能用，但看博主主页笔记流（user_posted）必须登录态，游客态一律 code=-100 登录已过期。脚本内建 get_user_self_info 探针（data 空 = 游客）先拦。新注册小号易被风控登出 → 变游客态；症状是"搜得到人、抓不到笔记"，重登再导 cookie 即可。
2. Spider_XHS split('=') bug：get_user_all_notes / get_note_info / get_note_all_comment 用 kv.split('=')[1] 解析 URL，会截断 base64 xsec_token 末尾的 = → token 失效 → 返回误导的"登录已过期"。patch_spider_xhs.py 改成 split('=', 1) 修复（幂等）。这也是为什么脚本走 get_user_note_info（显式传 token）而非 get_user_all_notes（走 URL 解析）。值得回 PR 给上游。
3. 视频笔记 desc = 话题标签：小红书视频笔记的 desc 是话题标签（#xxx#），完整口播要转写（同抖音）；图文笔记（type=normal）的 desc 才是完整文字正文。所以"文本"层：视频 = 标题 + 标签，图文 = 完整正文。

风控红线

• 只用专用小号，别用主号（逆向 API 属 ToS 灰色地带，有封号风险）。
• 低频、小批量；批量翻页时留间隔（2–3s）。
• 触发验证码/风控是预期内，如实报，别为绕风控反复换号硬试。

与其他社媒调研 skill 的关系