首页
/ 终极小红书无水印下载神器:XHS-Downloader完整使用指南 🚀

终极小红书无水印下载神器:XHS-Downloader完整使用指南 🚀

2026-02-05 05:24:01作者:宣海椒Queenly

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,支持无水印下载、批量采集和自定义存储,让你轻松保存喜爱的小红书内容。

📌 为什么选择XHS-Downloader?

作为轻量级开源工具,XHS-Downloader具备三大核心优势:

  • ⚡ 极速采集:AIOHTTP异步请求技术,多任务并发下载
  • 🎯 精准去水印:智能解析原始资源链接,保留高清画质
  • 🛠️ 高度自定义:支持下载路径配置、文件命名规则设置和下载历史记录

XHS-Downloader程序主界面 XHS-Downloader直观的操作界面,新手也能快速上手

📋 技术架构速览

  • 核心框架:Python 3.12+ 异步编程模型
  • 网络请求:AIOHTTP模块(source/application/request.py)
  • 媒体处理:自研视频/图片解析引擎(source/application/video.py、source/application/image.py)
  • 交互界面:双模式支持
    • 命令行界面(CLI):source/CLI/main.py
    • 文本用户界面(TUI):source/TUI/app.py

🔧 超简单安装步骤

1️⃣ 环境准备

确保系统已安装Python 3.12或更高版本,终端执行以下命令检查:

python --version  # 或 python3 --version

2️⃣ 获取源码

通过Git克隆项目仓库:

git clone https://gitcode.com/gh_mirrors/xh/XHS-Downloader
cd XHS-Downloader

3️⃣ 安装依赖

一键安装所有必要组件:

pip install -r requirements.txt

命令行安装过程 通过命令行快速完成依赖安装

🚀 两种启动方式任选

方式1:命令行模式(适合高级用户)

python main.py

根据终端提示输入小红书作品链接,支持批量输入多个链接。

方式2:Docker模式(推荐新手)

docker pull joeanamier/xhs-downloader
docker run -it joeanamier/xhs-downloader

自动启动TUI图形界面,全程鼠标操作。

TUI操作界面 Docker模式启动的文本用户界面,操作更直观

🔑 关键配置:获取Cookie

某些高级功能需要小红书Cookie授权:

  1. 打开浏览器访问小红书网页版
  2. 按F12打开开发者工具
  3. 切换到"网络"标签,刷新页面
  4. 找到包含"xhs"的请求,复制Cookie值
  5. 在程序设置界面粘贴Cookie(source/module/settings.py)

Cookie获取教程 通过浏览器开发者工具获取小红书Cookie的详细步骤

💡 实用功能全解析

批量下载技巧

  • 剪贴板监控:开启后自动识别复制的小红书链接(source/expansion/browser.py)
  • 专辑采集:输入专辑链接即可下载全部作品
  • 搜索结果抓取:支持按关键词批量采集作品

个性化设置

编辑配置文件自定义下载行为:

  • 存储路径:默认保存至"下载/XHS-Downloader"
  • 命名规则:支持作品ID、发布时间、作者昵称等变量组合
  • 下载模式:选择仅视频、仅图片或全部下载

程序设置界面 丰富的设置选项满足个性化需求

📝 使用注意事项

  1. 版权提醒:下载内容仅供个人学习,请勿用于商业用途
  2. 更新维护:定期执行git pull获取最新功能
  3. 问题反馈:通过项目issue提交bug报告
  4. 重复过滤:系统自动跳过已下载文件,避免重复存储

🎉 开始你的下载之旅

现在你已经掌握了XHS-Downloader的全部使用技巧!无论是收藏夹备份、素材收集还是内容存档,这款工具都能帮你高效完成。立即启动程序,体验无水印下载的畅快体验吧!

提示:遇到问题可查阅项目文档或查看帮助中心(source/TUI/about.py)

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
暂无描述
Markdown
832
5.52 K
kernelkernel
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
497
522
pytorchpytorch
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
ops-nnops-nn
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
ops-transformerops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
982
2.32 K
kernelkernel
deepin linux kernel
C
33
16
jiuwenswarmjiuwenswarm
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IRAscendNPU-IR
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.27 K
cann-learning-hubcann-learning-hub
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316