XHS-Downloader小白必看:3分钟上手小红书无水印作品下载工具
XHS-Downloader是一款免费开源的小红书作品采集工具,能帮你轻松下载无水印图文和视频,提取作品链接和信息。完全免费无广告,零基础也能快速上手!
超简单5步安装指南
1. 准备Python环境
首先要安装Python 3.12版本(低于这个版本可能会出错哦)。访问Python官网下载安装包,安装时记得勾选"Add Python to PATH"选项。
2. 获取工具源码
打开终端,输入以下命令下载项目源码:
git clone https://gitcode.com/gh_mirrors/xh/XHS-Downloader
3. 安装依赖
进入项目文件夹,运行下面的命令安装必要组件:
cd XHS-Downloader
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
4. 启动程序
输入以下命令启动工具:
python main.py
5. 验证安装
看到类似下面的界面就说明安装成功啦!
✅ 验证方法:程序窗口正常打开,显示主菜单界面。
3分钟解决Cookie设置难题
自动获取Cookie(推荐)
在终端输入以下命令,工具会自动从浏览器读取Cookie:
python main.py --browser_cookie Chrome --update_settings true
这里的"Chrome"可以换成你常用的浏览器,比如Firefox、Edge等。
手动设置Cookie(备用方案)
如果自动获取失败,可以手动设置:
- 打开浏览器访问小红书网站
- 按F12打开开发者工具
- 在"网络"标签找到包含"web_session"的请求
- 复制Cookie值并粘贴到工具中
✅ 验证方法:在工具主界面输入任意小红书链接,能正常显示作品信息即为设置成功。
小试牛刀:现在尝试用自动获取Cookie的方法配置你的工具,遇到问题随时回来查看步骤哦!
一键下载无水印作品的秘密
基础下载步骤
- 在工具主界面选择"下载作品"选项
- 粘贴小红书作品链接(支持xhslink.com开头的分享链接)
- 按Enter键开始下载
命令行快速下载
高手进阶技巧:直接在终端输入命令下载,支持同时下载多个作品:
python main.py "https://xhslink.com/abc123 https://xhslink.com/def456"
✅ 验证方法:检查下载文件夹(默认在项目根目录>Volume>Download)是否出现下载好的文件。
找不到下载文件?3步定位解决
1. 默认下载路径
文件默认保存在以下位置: 「项目根目录>Volume>Download」
2. 自定义保存位置
- 打开「项目根目录>Volume>settings.json」文件
- 找到【download_path】配置项
- 修改为你想要的路径,比如"D:\小红书下载"
3. 常见路径问题排查
⚠️ 注意:如果提示"权限不足",请检查文件夹是否有写入权限,或者更换保存路径到桌面等个人目录。
✅ 验证方法:下载一个测试作品,在设置的路径中能找到对应的文件。
小试牛刀:试着修改下载路径到你的桌面文件夹,然后下载一个作品看看是否保存到了新位置?
高级技巧:批量下载与脚本使用
批量下载作品
- 创建一个文本文件,每行放一个小红书链接
- 使用以下命令批量下载:
python main.py --file links.txt
用户脚本辅助
安装浏览器脚本可以更方便地获取作品链接:
- 安装Tampermonkey浏览器插件
- 添加XHS-Downloader用户脚本
- 在小红书网页上会出现"复制链接"按钮
✅ 验证方法:使用脚本复制多个作品链接,批量下载成功。
小试牛刀:安装用户脚本后,试着从你的小红书收藏夹中批量提取链接并下载作品吧!
常见问题解答
Q: 下载的视频没有声音怎么办?
A: 这是因为小红书部分视频采用了特殊编码,尝试更新到最新版本的工具即可解决。
Q: 程序提示"链接无效"怎么办?
A: 检查链接是否正确,或者尝试刷新Cookie后再试。
Q: 可以下载自己收藏的作品吗?
A: 当然可以!使用用户脚本提取收藏夹链接,然后批量下载。
使用注意事项
⚠️ 下载的作品仅用于个人学习研究,请勿用于商业用途 ⚠️ 请勿频繁大量下载,以免给服务器造成负担 ⚠️ 定期更新工具获取最新功能和修复
希望这份指南能帮你轻松上手XHS-Downloader!如果有其他问题,可以查看项目README.md文件或加入用户交流群获取帮助。
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




