扣子Coze智能体实战:自动采集1000条小红书爆款笔记 ,写入飞书多维表格

企业应用数据中台大数据

大家好,我是汤师爷,专注AI智能体分享,致力于帮助100W人用智能体创富~

想要抓取小红书热门笔记,但一个个复制太耗时?

需要批量获取热门笔记数据,进行分析,却苦于没有高效的工具?

今天,我将为大家介绍一个超强的解决方案,利用Coze工作流,只需5个步骤,就能一键批量抓取小红书热门关键词的笔记,并自动写入飞书多维表格

这套方案对于想要批量学习优质内容的创作者来说,绝对是个效率神器。

我们先看下工作流的执行效果:

picture.image

1.整体工作流

picture.image

1.跟进关键词获取小红书笔记

2.循环获取笔记详情

  • • 获取笔记详情
  • • 提取视频文案
  • • 将笔记数据整理成飞书多维表格格式
  • • 写入飞书多维表格

2.详细工作流节点

2.1 开始节点

picture.image

开始节点有3个输入变量。

  • • 输入:
  • • foldUrl:飞书多维表格链接
  • • cookie:小红书cookie
  • • keywords:关键词

2.2 如何获取小红书cookie?

1.登陆小红书官网

2.在页面空白处右击鼠标,选择「检查」

picture.image

3.在刚刚打开的面板中,点击「网络」选项卡

picture.image

4.刷新当前页面

5.点击第一条记录,在右侧「标头」部分向下滚动,找到cookie一行,将其内容复制下,这就是我们需要的cookieStr

picture.image

2.3 获取博主所有小红书笔记

我们将使用【小红书】插件的xhs_search_notes功能。

picture.image

通过这个功能,我们可以一键批量抓取热门关键词的笔记。

picture.image

  • • 输入:
  • • cookieStr:开始 - cookie
  • • keywords:开始 - keywords
  • • noteType:1=视频
  • • sort:2=最热
  • • totalNumber:查询总数

2.4 批量获取笔记详情

1.使用循环节点,批量批量获取笔记详情

picture.image

2.获取单个笔记详情

我们将使用【小红书】插件的xhs_note_detail功能。

picture.image

通过这个功能,我们可以根据笔记链接获取笔记详情。

  • • 输入:
  • • cookieStr:开始 - cookie
  • • noteUrl:循环获取笔记详情-note_url

picture.image

2.4 使用「字幕获取 」插件,提取视频文案

picture.image

  • • 输入:
  • • url:获取笔记详情-video_h264_url

2.5 使用代码节点:将笔记数据整理成飞书多维表格格式

在这一步,我们会使用代码节点,将笔记数据整理成飞书多维表格格式。

picture.image

  • • 输入:
  • • input:获取笔记详情-note
  • • data:提取视频文案-content

Python代码如下:


 
 
 
 
   
async defmain(args: Args) -> Output:  
    input\_data = args.params.get('input', {})  # 获取传入的 input 对象,如果不存在则返回空字典  
    data = args.params.get('data', '')  # 直接从 args.params 中提取 data 参数  
  
    records = []  # 初始化 records 列表  
  
    # 提取 note 相关字段  
    title = input\_data.get('note\_display\_title', '')  # 标题  
    desc = input\_data.get('note\_desc', '')  # 描述  
    url = input\_data.get('note\_url', '')  # 链接  
    nickname = input\_data.get('auther\_nick\_name', '')  # 作者昵称  
    likedCount = input\_data.get('note\_liked\_count', '0')  # 点赞数  
    videoUrl = input\_data.get('video\_h264\_url', '')  # 视频地址  
    collectedCount = input\_data.get('collected\_count', '0')  # 收藏数  
    imageList = input\_data.get('note\_image\_list', [])  # 图片列表  
  
    # 构建记录对象  
    record = {  
        "fields": {  
            "笔记链接": url,  
            "标题": title,  
            "内容": desc,  
            "作者": nickname,  
            "点赞数": likedCount,  
            "链接": {  
                "link": url,  
                "text": title  
            },  
            "收藏数": collectedCount,  
            "图片地址": '\n'.join(imageList),  # 将图片列表拼接成字符串  
            "视频地址": videoUrl,  
            "视频文案": data  # 将 data 放入 fields 中,定义为 "视频文案"  
        }  
    }  
    records.append(record)  # 将记录对象添加到 records 列表中  
  
    # 构建输出对象  
    ret: Output = {  
        "records": records  
    }  
    return ret

2.6 使用飞书多维表格节点:将笔记数据写入飞书多维表格

picture.image

  • • 输入:
  • • app_token:开始-foldUrl
  • • records:将笔记数据整理成飞书多维表格格式-records

picture.image

2.7 结束节点

picture.image

通过这套工作流,你可以轻松实现关键词笔记的批量抓取,并写入飞书多维表格。

整个过程只需简单配置,就能自动化完成繁琐的数据采集工作,为你节省大量时间。

3.飞书多维表格:一站式数据管理神器

飞书多维表格不是普通表格,而是表格+数据库+智能大脑 的完美融合!它帮你轻松构建业务系统,让管理海量数据变得如探囊取物。

核心优势

  • 🔥 零门槛 :无需下载飞书APP,直接享有专业级多维表格功能。
  • 🤖 AI赋能 :低门槛解锁工作AI场景,自动生成文案、图片、视频,会用表格就会用AI。
  • 📊 专业BI :只需将数据"拖进"仪表盘,立即拥有企业级专业的数据驾驶舱。
  • 🚀 海量模板 :一键导入项目、CRM、分析模板,快速上手。
  • ⚡ 高性能 :支持百万行单表容量,拥有全行业领先的数据库底座能力。

此外,飞书多维表格还是一款强大的运营工具:

4.现在无需下载飞书也能使用多维表格!

飞书多维表格将不仅支持飞书,也会支持其他平台,无需下载和注册飞书,点击链接即可启用!

更加“独立”的「飞书多维表格」,既保留了飞书中多维表格的完整功能,也解除了和飞书其他模块的功能依赖,浏览器直接搜飞书多维表格就能找到入口。

这意味着,满血版的飞书多维表格将可以和企微、钉钉、飞书以及企业自研的 IM 系统任意打通,实现跨平台无缝衔接,让不同规模的企业都能迎来“零代码、自主定制业务系统”的全新起点。

picture.image

5.粉丝专属福利

价值349元/年的专业版,除了注册即送的 1 个月,还有邀请码专享的加赠 3 个月,叠加起来是一共可以免费体验 4 个月!

  • 大数据容量 :单表支持2万行,数据海洋任翱翔。
  • 超强自动化 :每月5万次流程运行,重复工作自动搞定省时省力。
  • • 铁壁权限:精细行列权限控制,数据安全如堡垒。
  • 超级联动 :跨表数据无缝连接,业务流程流水般顺畅。

这不是普通体验,这是效率核弹!工作更高效,生活更自由!

🆓 免费版权益

  • • 最大20人使用
  • • 单表2,000行数据
  • • 200次/月自动化流程

💎 专业版权益

  • • 不限人数使用
  • • 单表20,000行数据
  • • 50,000次/月自动化流程
  • • AI 字段捷径限时免费
  • • 行列权限控制
  • • 跨多维表格数据同步

官网地址:https://base.feishu.cn/

🎁 限时福利:点击原文链接👇🏻,输入粉丝专属邀请码,领取可以获得4个月pro会员(新注册可得的一个月会员➕邀请码附赠三个月会员)。邀请码:8Z5p3Y7o6X9n

0
0
0
0
关于作者

文章

0

获赞

0

收藏

0

相关资源
火山引擎大规模机器学习平台架构设计与应用实践
围绕数据加速、模型分布式训练框架建设、大规模异构集群调度、模型开发过程标准化等AI工程化实践,全面分享如何以开发者的极致体验为核心,进行机器学习平台的设计与实现。
相关产品
评论
未登录
看完啦,登录分享一下感受吧~
暂无评论