xhs

用户希望提取小红书帖子内容。请按以下步骤处理：

常量定义

• Cookies 文件: ~/cookies.json（从 Chrome 导出的小红书 cookies）
• Obsidian 保存目录: ~/Documents/Obsidian Vault/xhs
  • 若路径不存在，自动检测 Obsidian vault 位置（搜索 ~/Documents/Obsidian、~/Documents/Obsidian Vault 等常见路径）
  • Windows 用户常见路径: ~/Documents/Obsidian/ 或自定义位置，请按实际情况修改
• Whisper 模型:
  • macOS: mlx-community/whisper-large-v3-turbo（使用 mlx-whisper）
  • Windows/Linux: large-v3（使用 openai-whisper）

输入

用户提供的小红书链接: $ARGUMENTS

提取流程

步骤 0：检查 Cookies

1. 检查 ~/cookies.json 是否存在
2. 如果不存在，告知用户需要从 Chrome 导出 cookies：
   • 在 Chrome 打开 xiaohongshu.com 并确认已登录
   • 打开 DevTools Console，运行以下代码将 cookies 复制到剪贴板：

   copy(JSON.stringify(document.cookie.split('; ').map(c => {
     const [name, ...rest] = c.split('=');
     return { name, value: rest.join('='), domain: '.xiaohongshu.com', path: '/',
       expires: Date.now()/1000 + 86400*30, size: name.length + rest.join('=').length,
       httpOnly: false, secure: false, session: false, priority: 'Medium',
       sameParty: false, sourceScheme: 'Secure', sourcePort: 443 };
   })))
   

   • 将剪贴板内容保存到 ~/cookies.json
   • 然后终止流程，等用户完成后重新运行

步骤 1：解析链接

从 URL 中提取帖子 ID（24 位十六进制字符串）和 xsec_token 参数。

步骤 2：获取帖子内容

使用 Python 脚本，通过 Cookies 请求帖子页面 HTML，从 window.__INITIAL_STATE__ 解析全部帖子数据：

import json, urllib.request, ssl, re

with open('<Cookies 文件>') as f:
    cookies = json.load(f)
cookie_str = '; '.join(f"{c['name']}={c['value']}" for c in cookies)

ctx = ssl.create_default_context()
ctx.check_hostname = False
ctx.verify_mode = ssl.CERT_NONE

req = urllib.request.Request('<帖子URL>')
req.add_header('Cookie', cookie_str)
req.add_header('User-Agent', 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36')

resp = urllib.request.urlopen(req, timeout=15, context=ctx)
html = resp.read().decode('utf-8', errors='ignore')

m = re.search(r'window\.__INITIAL_STATE__\s*=\s*(\{.+?\})\s*</script>', html, re.DOTALL)
raw = m.group(1).replace('undefined', 'null')
data = json.loads(raw)

# 帖子数据在: data['note']['noteDetailMap'][<key>]['note']
# 包含: title, desc, type, time, user, imageList, video, interactInfo, ipLocation