如何免费高效下载小红书内容?XHS-Downloader完整使用指南 🚀
XHS-Downloader是一款免费开源的小红书图文/视频作品采集工具,基于AIOHTTP模块开发,轻量高效,让普通用户也能轻松保存心仪的小红书内容。无论你是内容创作者需要素材参考,还是想备份喜欢的作品,这款工具都能满足你的需求。
📌 为什么选择XHS-Downloader?
作为一款专注于小红书内容下载的工具,XHS-Downloader具有以下核心优势:
- 完全免费:开源项目,无任何隐藏付费功能
- 操作简单:支持CLI和TUI两种界面,新手也能快速上手
- 高效稳定:基于AIOHTTP模块,实现异步下载,速度更快
- 功能全面:支持图文、视频等多种内容形式的下载
📸 工具界面预览
下面是XHS-Downloader的实际运行截图,让你直观了解工具的操作界面:
程序主界面(中文)
XHS-Downloader中文界面展示,简洁直观的操作布局
命令行模式(中文)
MCP下载功能
🔧 快速开始:安装与配置
1️⃣ 准备工作
在开始使用前,请确保你的系统已安装Python环境。推荐使用Python 3.8及以上版本以获得最佳体验。
2️⃣ 获取项目源码
通过以下命令克隆项目仓库到本地:
git clone https://gitcode.com/gh_mirrors/xh/XHS-Downloader
cd XHS-Downloader
3️⃣ 安装依赖
项目依赖已整理在requirements.txt文件中,使用pip命令即可一键安装:
pip install -r requirements.txt
🚀 两种使用方式,满足不同需求
方式一:命令行模式(CLI)
命令行模式适合熟悉终端操作的用户,可快速执行下载任务。核心功能实现位于source/CLI/main.py。
基本使用命令:
python main.py [URL]
方式二:图形界面模式(TUI)
如果你更喜欢可视化操作,可以使用TUI模式。TUI相关代码位于source/TUI/目录下。
启动TUI模式:
python main.py --tui
启动后将看到直观的图形界面,通过键盘操作即可完成下载任务:
📝 详细使用教程
如何获取小红书作品链接?
- 打开小红书App,找到你想下载的作品
- 点击右上角分享按钮
- 选择"复制链接",即可获取作品URL
单篇作品下载步骤
- 启动XHS-Downloader
- 在提示输入URL处粘贴复制的小红书链接
- 按Enter键开始下载
- 下载完成后,文件默认保存在项目的downloads目录下
批量下载功能
XHS-Downloader还支持批量下载功能,你可以通过以下步骤实现:
- 创建一个文本文件,每行放入一个小红书作品链接
- 使用--batch参数指定该文件:
python main.py --batch urls.txt
⚙️ 高级设置
如果你需要自定义下载路径、文件命名规则等高级选项,可以通过设置界面进行配置。设置模块的实现位于source/module/settings.py。
在TUI模式下,点击"设置"按钮即可打开设置界面:
🔍 常见问题解决
问题1:下载失败,提示需要Cookie
这是因为部分小红书内容需要登录才能访问。你需要获取并配置Cookie:
- 参考获取Cookie示意图获取小红书Cookie
- 在设置界面中填入Cookie信息
问题2:视频下载后无法播放
这可能是由于视频格式不兼容导致的。XHS-Downloader提供了格式转换功能,相关代码位于source/expansion/converter.py。
📚 项目结构说明
XHS-Downloader采用模块化设计,主要代码结构如下:
-
核心功能:source/application/
-
界面模块:
- CLI:source/CLI/
- TUI:source/TUI/
-
工具模块:source/module/
🌟 总结
XHS-Downloader作为一款免费开源的小红书内容下载工具,以其简单易用、高效稳定的特点,成为内容创作者和普通用户的理想选择。无论你是需要快速下载单篇作品,还是批量保存心仪内容,这款工具都能满足你的需求。
立即尝试,体验轻松下载小红书内容的乐趣吧!如果你在使用过程中遇到任何问题,欢迎查阅项目文档或提交issue反馈。
🆕 功能更新记录
项目的最新功能和更新记录可以在static/Release_Notes.md文件中查看,建议定期关注以获取最新功能信息。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00



