Q: 爬取抖音报错: execjs._exceptions.ProgramError: SyntaxError: 缺少 ';'
A: 该错误为缺少 nodejs 环境,这个错误可以通过安装 nodejs 环境来解决,版本为:v16.8.0
Q: 使用Cookie爬取抖音报错: execjs._exceptions.ProgramError: TypeError: Cannot read property 'JS_MD5_NO_COMMON_JS' of null
A: windows电脑去网站下载https://nodejs.org/en/blog/release/v16.8.0
Windows 64-bit Installer 版本,一直下一步即可。
Q: 可以指定关键词爬取吗?
A: 在config/base_config.py 中 KEYWORDS 参数用于控制需要爬取的关键词
Q: 可以指定帖子爬取吗?
A:在config/base_config.py 中 XHS_SPECIFIED_ID_LIST 参数用于控制需要指定爬取的帖子ID列表
Q: 刚开始能爬取数据,过一段时间就是失效了?
A:出现这种情况多半是由于你的账号触发了平台风控机制了,❗️❗️请勿大规模对平台进行爬虫,影响平台。
Q: 如何更换登录账号?
A:删除项目根目录下的 brower_data/ 文件夹即可
Q: 报错 playwright._impl._api_types.TimeoutError: Timeout 30000ms exceeded.
A: 出现这种情况检查下开梯子没有
Q: 小红书扫码登录成功后如何手动验证?
A: 打开 config/base_config.py 文件, 找到 HEADLESS 配置项, 将其设置为 False, 此时重启项目, 在浏览器中手动通过验证码
Q: 如何配置词云图的生成?
A: 打开 config/base_config.py 文件, 找到ENABLE_GET_WORDCLOUD
以及ENABLE_GET_COMMENTS
两个配置项,将其都设为True即可使用该功能。
Q: 如何给词云图添加禁用词和自定义词组?
A: 打开 docs/hit_stopwords.txt
输入禁用词(注意一个词语一行)。打开 config/base_config.py 文件找到 CUSTOM_WORDS
按格式添加自定义词组即可。