用 Python 调用小红书 API:搜索笔记并翻页导出评论到 CSV
本指南演示如何用不到 40 行 Python 代码调用 FeedMCP 小红书接口:先按关键词搜笔记,再按 page.next_cursor 翻页抓取评论并导出为 CSV,全程带 X-Max-Price 控价和失败不扣费保障。
涉及的接口与价格
| 接口 | 路径 | 单价 |
|---|---|---|
| 小红书笔记搜索 | GET /v1/xiaohongshu/notes/search |
$0.02 |
| 小红书笔记详情 | GET /v1/xiaohongshu/notes/get |
$0.02 |
| 小红书笔记评论 | GET /v1/xiaohongshu/notes/comments/list |
$0.02 |
| 小红书评论的回复 | GET /v1/xiaohongshu/notes/comments/replies/list |
$0.02 |
实现步骤
1. 获取 API Key 并设置环境变量
在控制台注册拿 $0.10 免费额度并建一把 Key,执行 export FEEDMCP_API_KEY="fmk_live_…"。
2. 搜索目标笔记并拿到 note_id
调用 GET /v1/xiaohongshu/notes/search($0.02/次)拿到按互动排序的笔记列表。
3. 按游标翻页抓评论并写入 CSV
循环调用 GET /v1/xiaohongshu/notes/comments/list($0.02/页),把 page.next_cursor 传给下一页直到满足页数上限。
完整代码示例
import csv, os, uuid, requests
API = "https://api.feedmcp.com"
HEADERS = {
"Authorization": f"Bearer {os.environ['FEEDMCP_API_KEY']}",
"X-Max-Price": "0.02",
}
def search_notes(query: str):
r = requests.get(f"{API}/v1/xiaohongshu/notes/search", params={"query": query}, headers=HEADERS, timeout=30)
r.raise_for_status()
return r.json()["data"]["items"]
def export_comments(note_id: str, max_pages: int = 3, out_csv: str = "xhs_comments.csv"):
cursor, rows = None, []
for _ in range(max_pages):
params = {"id": note_id, **({"cursor": cursor} if cursor else {})}
headers = {**HEADERS, "Idempotency-Key": str(uuid.uuid4())}
body = requests.get(f"{API}/v1/xiaohongshu/notes/comments/list", params=params, headers=headers, timeout=30).json()
if body.get("code") != "ok":
break
rows.extend(body["data"]["items"])
cursor = (body.get("page") or {}).get("next_cursor")
if not cursor:
break
with open(out_csv, "w", newline="", encoding="utf-8-sig") as f:
w = csv.writer(f)
w.writerow(["id", "author", "likes", "created_at", "text"])
for c in rows:
w.writerow([c["id"], (c.get("author") or {}).get("name"), c.get("likes"), c.get("created_at"), c.get("text")])
print(f"Saved {len(rows)} comments to {out_csv}")
if __name__ == "__main__":
notes = search_notes("camping tent")
if notes:
export_comments(notes[0]["id"], max_pages=3)
费用估算
上述脚本运行一次(1 次搜索 + 3 页评论)共 4 次调用,总计 $0.08,使用新用户免费送的 $0.10 额度即可完整跑通。
常见问题
跑完这份教程大概要花多少钱?
上述脚本运行一次(1 次搜索 + 3 页评论)共 4 次调用,总计 $0.08,使用新用户免费送的 $0.10 额度即可完整跑通。
没有代码基础,能在 AI 里直接完成同样的事吗?
可以。把 FeedMCP 的 MCP 服务装进 Claude、Cursor 或 Cherry Studio 后,用自然语言即可完成同样的查询与汇总。
更多指南
- 用 Python 调用抖音 API:拉热榜、抓评论与查星图达人报价
- 用 Python 自动采集微信公众号历史文章、阅读点赞数与留言
- 多平台视频字幕提取指南:把 TikTok、YouTube、Instagram、X 视频喂给大模型
- 跨平台竞品广告监控指南:一套脚本盯 Meta、Google、LinkedIn 和 TikTok 广告库
- 用 AI + MCP 做跨平台评论区痛点挖掘(TikTok + Reddit + 小红书 + 抖音)
- X(Twitter)按条计费省钱指南:如何以 $0.0003/条 搭建低成本监控流
- 生产级 AI Agent 防花超指南:Key 上限、X-Max-Price 与 Idempotency-Key