小红书作品下载全流程实战从链接提取到批量采集的一站式工具【免费下载链接】XHS-Downloader小红书XiaoHongShu、RedNote链接提取/作品采集工具提取账号发布、收藏、点赞、专辑作品链接提取搜索结果作品、用户链接采集小红书作品信息提取小红书作品下载地址下载小红书作品文件项目地址: https://gitcode.com/gh_mirrors/xh/XHS-Downloader周末的晚上你刷到一位旅行博主发布的冰岛极光攻略图文精美、视频震撼收藏列表已经塞满了类似的总有一天要去系列。可当你想把这篇笔记存下来慢慢研究时却发现小红书既没有下载按钮截图又会带上各种水印和界面元素——这大概是每个深度用户都遇到过的小尴尬。今天要介绍的 XHS-Downloader就是专门解决这类问题的开源工具。它不仅能帮你下载小红书图文和视频作品还能提取账号发布、收藏、点赞、专辑的作品链接甚至支持搜索结果的采集。更难得的是它提供了图形界面、命令行、浏览器脚本、API 和 MCP 五种使用方式从普通用户到开发者都能找到适合自己的入口。先看一张能力清单XHS-Downloader 到底能做什么在动手之前先花一分钟看清这个工具的全貌。它解决的问题可以归纳为三条主线提取链接提取账号发布、收藏、点赞、专辑的作品链接提取搜索结果中的作品链接和用户链接。这是批量采集的第一步没有这一步后面的下载都无从谈起。采集信息获取作品标题、描述、作者、点赞评论数、发布时间等详细信息并支持持久化保存到 SQLite 数据库。下载文件下载图文原图支持 PNG、WEBP、JPEG、HEIC 多种格式、视频文件支持分辨率/码率/大小偏好、livePhoto 动态图并自动跳过已下载的作品、支持断点续传。它支持的小红书链接格式也很全面explore/作品ID、discovery/item/作品ID、user/profile/作者ID/作品ID以及xhslink.com短链接都能识别多个链接用空格分隔即可一次处理。上手实操三种方式任选其一5 分钟完成第一次下载方式一源码运行功能最完整如果你希望体验全部功能或进行二次开发源码运行是最佳选择。项目基于 Python 3.12 开发先克隆仓库到本地git clone https://gitcode.com/gh_mirrors/xh/XHS-Downloader cd XHS-Downloader然后创建虚拟环境并安装依赖Windows / Mac / Linux 通用python -m venv venv # Windows: venv\Scripts\activate # Mac/Linux: source venv/bin/activate pip install -r requirements.txt如果你安装了 uv推荐依赖同步会更简单uv sync --no-dev uv run main.py启动后你会看到图形化交互界面把作品链接粘贴进输入框点击下载作品文件即可图形界面提供链接输入、剪贴板读取和下载三大核心操作左侧还有完整的设置项方式二直接运行程序包Windows 和 Mac 用户可以直接下载预编译的程序压缩包解压后双击运行main文件即可无需安装 Python。文件默认下载到.\_internal\Volume\Download目录。注意Mac 用户首次运行时需要先在终端执行xattr -cr 项目文件夹路径命令移除安全标记执行一次即可正常使用。方式三Docker 部署熟悉容器的用户可以用 Docker 快速部署适合服务器环境docker pull joeanamier/xhs-downloader docker run --name xhs-downloader -p 5556:5556 -it joeanamier/xhs-downloader进阶玩法用浏览器脚本批量提取作者全部作品单个链接的下载只是热身真正的高效场景是批量采集某个作者的几百篇作品。这就要用到项目自带的用户脚本了。脚本位于static/XHS-Downloader.js用 Tampermonkey 或 Violentmonkey 从 URL 安装后访问小红书网页版时菜单里就会多出一系列选项提取发布作品链接、提取收藏作品链接、提取点赞作品链接、提取专辑作品链接、提取搜索结果链接。在脚本管理器中通过 URL 安装 XHS-Downloader 用户脚本一次安装长期生效脚本菜单覆盖推荐页、账号页、搜索结果等多种页面提取链接后即可复制到程序批量下载提取出来的链接会自动复制到剪贴板你只需要把它们粘贴到程序中即可批量下载。配合脚本的自动滚动功能提取账号全部作品链接时几乎不用手动操作页面。命令行模式适合批量任务与自动化技术型用户可能更喜欢命令行。python main.py --help可以查看全部参数核心的几个如下# 下载单个作品 python main.py --url https://www.xiaohongshu.com/explore/作品ID # 批量下载多个作品链接用空格分隔需用引号包围 python main.py --url 链接1 链接2 链接3 # 只下载图文作品的第1、3、5张图片 python main.py --url 链接 --index 1 3 5 # 自定义下载目录和代理 python main.py --url 链接 --work_path D:/Downloads --proxy http://127.0.0.1:7890 # 切换图文下载格式 python main.py --url 链接 --image_format PNG命令行模式参数丰富支持图片序号选择、路径定制、代理设置等方便写入脚本实现定时采集命令行模式特别适合与系统定时任务结合例如每天早上自动下载指定内容用于趋势分析整个过程无需人工干预。给开发者的两条整合路径API 与 MCP如果你的需求不只是自己下载而是要把小红书内容采集能力整合进自己的系统项目提供了两种服务化方式。API 模式运行python main.py api启动服务器访问http://127.0.0.1:5556/docs可以看到自动生成的交互式文档。核心接口是POST /xhs/detail一个请求即可获取作品信息并触发下载import requests server http://127.0.0.1:5556/xhs/detail data { url: 小红书作品链接, download: True, index: [1, 3, 5], # 指定下载的图片序号 proxy: http://127.0.0.1:10808, } response requests.post(server, jsondata, timeout10) print(response.json())MCP 模式运行python main.py mcp即可启动 MCP 服务URL 为http://127.0.0.1:5556/mcp/。配置好 MCP 连接后你可以直接在对话中让 AI 助手帮你获取作品信息或下载文件实现动嘴不动手的内容采集。在 MCP 客户端中填入服务地址即可让智能助手调用小红书作品采集能力5 个值得收藏的使用技巧技巧一配置 Cookie 解锁高清画质。Cookie 不是必填项但不配置时视频只能下载低分辨率版本。获取方法浏览器打开小红书页面按 F12 → 网络 → 勾选保留日志 → 过滤输入cookie-name:web_session→ 点击任意作品后复制请求中的 Cookie。无需登录账号也能生效。通过浏览器开发者工具三步定位 Cookie 值粘贴到配置文件即可解锁高清下载技巧二用好配置文件。首次运行后项目根目录会生成Volume/settings.json这里集中了所有可调参数work_path控制保存根目录、image_format控制图片格式、author_archive开启后每个作者的作品会存到独立文件夹、name_format可自定义文件名支持标题、作者、时间、点赞数等字段组合。修改后重启程序生效。技巧三理解下载记录机制。程序会把下载成功的作品 ID 记录到Volume/ExploreID.db重复下载时会自动跳过。如果想强制重新下载某个作品删除数据库中对应的 ID 即可。技巧四二次开发直接看 example.py。项目根目录的example.py是现成的调用示例通过XHS类的extract()方法可以拿到完整作品数据包括下载地址核心逻辑都在source/application/目录下download.py、image.py、video.py、request.py分工清晰定位起来很容易。技巧五注意链接时效。作品链接携带日期信息过旧的链接可能触发风控建议下载时使用最新获取的链接。另外程序内置了请求延时机制批量下载时请保持耐心这也是对平台服务器的尊重。开始你的第一次采集XHS-Downloader 的定位很纯粹把保存小红书内容这件小事做到极致。无论你是想收藏心仪的旅行攻略还是需要批量采集内容做分析都可以从上面任意一种方式开始。建议新手先用图形界面下载一篇作品感受完整流程再尝试用户脚本提取作者全部作品最后探索命令行和 API 的自动化潜力——每一步都会让你对内容采集这件事有新的认识。现在就动手试试吧你的第一篇小红书作品离本地硬盘只差一条命令的距离。【免费下载链接】XHS-Downloader小红书XiaoHongShu、RedNote链接提取/作品采集工具提取账号发布、收藏、点赞、专辑作品链接提取搜索结果作品、用户链接采集小红书作品信息提取小红书作品下载地址下载小红书作品文件项目地址: https://gitcode.com/gh_mirrors/xh/XHS-Downloader创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考