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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00



