做小红书数据采集，最让人头疼的不是技术门槛，而是页面结构和反爬机制隔三差五就变。刚写好的流程没跑两天，笔记标题抓不到了，或者滚着滚着页面就白了。我也是非技术背景，一开始用影刀RPA采小红书，光是为了稳定滚动加载就调了两天。
这篇专门讲怎么用影刀RPA搭建一个稳定的小红书笔记批量采集流程——从搜索关键词、滚动加载、提取字段，到数据清洗和防限流策略，每一步都有具体操作说明。你照着搭就能用，不用再到处找零散教程拼凑。
整体流程设计与关键词准备
一个完整的采集流程包含五个环节：打开搜索页 → 滚动加载笔记列表 → 循环提取每条笔记 → 翻页或继续滚动 → 数据写入Excel。我习惯把每个环节做成独立的子流程，方便后面维护和复用。
在开始之前，先准备一个关键词列表。在影刀的“变量”面板里创建一个列表变量，比如叫{{关键词列表}}，内容手动输入或用“读取Excel列”指令从表格导入。流程开头用一个ForEach循环遍历这个列表，每次搜索一个关键词，执行一遍完整采集。
为什么要用关键词列表循环？ 单次搜索小红书只展示前几百条笔记，多关键词交叉采集能拿到更广的数据。而且每个关键词的搜索结果页面独立，天然降低了被限流的风险。
稳定打开搜索页并等待列表加载
小红书搜索页的URL有固定格式，直接拼接关键词即可打开，不需要手动在搜索框输入。
操作步骤：
- 拖入“打开网页”指令，选择“新建标签页”
- URL参数使用变量拼接：
https://www.xiaohongshu.com/search_result?keyword={{当前关键词}}&source=web_search_result_notes - 打开后立即加一个“等待页面加载完成”，超时设15秒
4. 再用“等待元素出现”捕获列表第一条笔记的封面图，超时设10秒
这里要注意一个坑：小红书搜索页第一次加载时，可能会弹出一个“选择感兴趣的内容”的半屏浮层。如果不关掉，后续滚动会失效。我的做法是在等待元素出现之后，加一个“判断元素是否存在”，检查是否有浮层的关闭按钮，有就点掉。XPath可以写成：
# 捕获元素：小红书兴趣选择浮层的关闭按钮
//div[contains(@class,'mask')]//*[contains(@class,'close')]
滚动加载：不丢数据的关键策略
小红书笔记列表是无限滚动加载，不像传统翻页。很多人直接用“滚动到页面底部”然后固定延时等待，结果要么漏数据，要么浪费时间。
正确的滚动加载逻辑需要三重判断：
- 用“获取相似元素列表”捕获当前已加载的所有笔记卡片
- 记录当前数量，然后执行一次“滚动到页面底部”
- 等待新内容出现——用“等待元素出现”捕获一个新增加的笔记元素（可以用数量变化来判断）
更稳定的方法是用循环+条件判断组合：重复滚动，直到连续两次滚动的笔记数量不再增加，或者页面出现了“没有更多内容”的文字提示。在影刀里这样搭：
- 创建一个变量
{{上次数量}}和{{当前数量}} - 进入While循环，条件为“True”（靠内部判断跳出）
- 循环体内：获取相似元素列表，统计数量存到
{{当前数量}} - 判断
{{当前数量}}是否等于{{上次数量}}，如果是，跳出循环（说明没有新内容了） - 否则，滚动到底部，等待1-3秒（随机化防止限流），更新
{{上次数量}} - 再加一个安全阀：循环总次数不超过50次，防止死循环
随机等待很重要。 不用每次固定等2秒，可以用“生成随机数”指令生成一个1.5到3.5之间的数字，用作固定延时的时长。影刀里拖入“生成随机数”指令，设置范围，然后作为变量传入“固定延时等待”。
提取笔记信息：XPath该怎么写才稳
小红书前端的class名大部分是哈希值，所以千万不能用class做精确定位。优先使用结构特征和文本特征。
笔记卡片的结构通常是：封面图 → 标题 → 作者信息 → 点赞数。我整理了以下一套相对稳定的XPath：
# 捕获元素：笔记标题（在搜索列表中）
# 通过卡片容器内唯一的h3标签定位，小红书笔记标题基本都用h3
//section//h3
# 捕获元素：笔记作者昵称
# 作者昵称通常在标题下方的一个a标签里，里面包含文本
//section//a[contains(@href,'/user/profile')]
# 捕获元素：笔记点赞数
# 点赞数在卡片底部，通常有一个特定的class模式，但用文本邻近定位更稳
# 通过前面带有"赞"的兄弟元素间接定位，或直接取包含数字的span
//section//span[contains(text(),'赞')]/../preceding-sibling::*[1]
这些XPath的前提是，你已经通过“获取相似元素列表”拿到了每个笔记卡片的section元素。然后在循环体内，以当前循环项的section为根节点，使用.//开头的相对路径来提取，而不是从整个页面搜。
具体操作：在“获取相似元素列表”时，捕获一个完整的笔记卡片section。然后在ForEach循环里，拖入“提取元素文本”，元素定位方式选择“相对定位”，XPath写.//h3。这样只会在当前卡片内查找，避免了跨卡片提取错乱。
作者和点赞数的提取可能偶现为空，因为有些笔记是广告或特殊格式。在提取后加一个“判断元素是否存在”，如果不存在就填“无”，不要让它报错中断。
数据写入Excel与分批保存策略
采集过程可能因为网络波动、页面崩白等原因中断，如果所有数据只在最后一次性写入Excel，一旦中断就全丢了。
我的做法是每采集完一个关键词的笔记列表，就立刻写入一次Excel。用“写入行数据到表格”指令，配合“数据表格”变量。先创建一个空的数据表格，每次提取完一条笔记的信息，就用“添加数据行”存入表格变量，采完一个关键词后，一次性将整个表格变量追加写入Excel文件。
影刀的“写入行数据到表格”指令支持追加模式，不会覆盖已有数据。这样即使后续关键词采集崩溃，前面的数据也已经落盘了。
更保险的做法是每采集10条笔记就写一次，在循环体内加一个计数器，满足条件就执行写入。计数器变量用{{计数}}，每次循环加1，用“判断”指令检查{{计数}} % 10 == 0。
防限流的几个必须遵守的操作
小红书对自动化操作敏感，以下几点是我实测下来能大幅降低被限制概率的措施：
- 浏览器环境： 用影刀的“打开网页”指令时，一定要勾选“使用系统默认浏览器配置”或者提前配置好一个带登录态的浏览器Profile，别用纯无痕模式。完全无痕的新环境更容易触发验证。
- 操作间隔随机化： 不只是滚动间隔，点击搜索、打开笔记详情（如果做详情采集）之间的延时全部随机化，范围1.5秒到4秒。
- 不要频繁切换关键词： 每次搜索完一个关键词，随机休息15到30秒再搜下一个。用“固定延时等待”配合随机数实现。
- 遇到验证码立刻停止： 在流程中增加一个“判断元素是否存在”，检测是否有滑块验证码或文字验证。一旦出现，输出日志告警并暂停整个流程，不要硬闯。强行继续会导致IP被短时拉黑。
采集过程中常见错误速查
| 错误现象 | 可能原因 | 修复方案 |
|---|---|---|
| 滚动几次后页面变白 | 触发了反爬或网络请求被限 | 增大滚动间隔，降低采集速度，切换IP重试 |
| 笔记标题提取为空 | 页面结构改动，h3标签不再使用 | 用XPath Helper重新确认标题元素标签和路径 |
| 获取相似元素列表拿到0个 | 列表尚未渲染，或capture元素选择不典型 | 等待更长时间，或换一个笔记卡片重新捕获 |
| 某个关键词采集到一半就卡住 | 特定关键词结果为空或页面异常 | 给每个关键词采集外包裹try-catch，异常跳过关键词 |
推荐工具： XPath Helper浏览器插件是调整小红书提取逻辑的必备，它能即时显示表达式匹配到几个元素。同时建议关注影刀官方社区中其他用户分享的小红书流程模板，吸取他们的XPath写法可以节省大量试错时间。
#影刀RPA #RPA自动化 #小红书 #批量采集 #数据采集
作者：林焱
本文为《影刀RPA学习手册》系列文章之一，内容源于实操经验的整理与分享。