七个平台的帖子、评论、创作者主页都能抓，免 JS 逆向。做选题调研真趁手，官方禁商用，搬运路线别碰。
MediaCrawler 把小红书、抖音、快手、B站、微博、贴吧、知乎七个平台的公开内容收进同一套 Python 框架：关键词搜索、指定帖子、二级评论、创作者主页、评论词云，五种模式覆盖大多数调研场景。
它最值钱的设计是绕开了 JS 逆向——用 Playwright 起一个真实浏览器登录，平台给的签名参数直接就是对的。逆向脚本每逢平台改版集体阵亡的日子，这套方案照样能跑。
02仓库健康度
维护节奏在同类爬虫项目里属于第一梯队——这一行的项目普遍活不过平台三次改版，它活了三年。
03核心能力
- 七平台一套配置：换 platform 参数即换平台，抓取与存储逻辑统一封装
- 五种抓取模式：关键词搜索、指定帖子、二级评论展开、创作者主页全量、评论词云
- 免 JS 逆向：Playwright 持久化登录态，签名参数从真实浏览器会话里拿
- 词云直出：评论区抓完直接出图，省掉一步预处理
- 存储可插拔：CSV / JSON / 数据库，按调研口径选落库方式
04同类对比
单平台逆向脚本（小红书签名、抖音 a_bogus 那一类）跑得快，但平台一改算法就得重啃；商用采集服务稳定，但按条收费，数据来路要自己掂量。
MediaCrawler 选了中间路线：慢一点、吃资源，但签名跟着真实浏览器走，平台改版后的修复成本从「重新逆向」降到「升级依赖」。对调研这种跑一次歇几天的场景，这笔账是划算的。
05亮点
- 七平台全包：中文主流内容平台一个仓库覆盖，多数同类只做单平台
- 二级评论完整展开：评论区洞察最缺的就是楼中楼，它默认给你抓全
- 协议写明白：仅限学习研究、禁商用，边界清楚，用起来心里有数
06谁在生产用它
选题调研的内容团队、拆对标账号的自媒体、做舆情与市场研究的分析岗，以及拿公开评论做语料的学术工作。
说句实在的：因为协议禁商用，它很少作为公司生产系统的依赖出现，更多是「调研报告背后的那把铲子」——铲子不署名，但坑是它挖的。
07快速上手
前置：Python 3.9+，会改一处配置文件就够。
$ git clone https://github.com/NanmiCoder/MediaCrawler $ cd MediaCrawler $ pip install -r requirements.txt # 编辑 config/base_config.py：选平台、填关键词 $ python main.py --platform xhs --type search
首次运行扫码登录一次，登录态落盘，之后不用再扫。
官方协议明确：仅限学习研究，禁商用。大规模、高频采集会触发平台风控，账号被限制是常事，合规与风险自担。想拿它搬运变现的路线别碰——这条线踩的不是技术坑，是法律坑。
09适合谁
做选题调研的内容工作者；学爬虫、想看正经工程实践的 Python 开发者；需要评论区公开语料的研究者。
要商用数据的公司（协议不允许）；追求大规模持续采集的团队（风控与协议双重红线）。