如何开启 MediaCrawler 的图片与视频下载爬取（ENABLE_GET_MEIDAS）？

如何开启 MediaCrawler 的图片与视频下载爬取（ENABLE_GET_MEIDAS）？

【免费下载链接】MediaCrawler小红书笔记 | 评论爬虫、抖音视频 | 评论爬虫、快手视频 | 评论爬虫、B 站视频 ｜ 评论爬虫、微博帖子 ｜ 评论爬虫、百度贴吧帖子 ｜ 百度贴吧评论回复爬虫 | 知乎问答文章｜评论爬虫项目地址: https://gitcode.com/GitHub_Trending/me/MediaCrawler

MediaCrawler 默认只爬取笔记、视频、评论等文本数据，图片与视频文件本身不会被保存下来。如果你需要把小红书笔记里的配图、视频，或抖音、B 站、微博的内容媒体文件下载到本地，就要在 config/base_config.py 中把媒体爬取开关ENABLE_GET_MEIDAS从False改为True。这篇文章给出从改配置、运行到确认文件落地的完整操作路径。

准备条件

按 README.md 快速开始一节的说明，运行前需要：

• 已安装uv（终端执行uv --version能正常显示版本号即安装成功）；
• Node.js 版本 >= 16.0.0；
• 在项目目录下执行uv sync安装依赖：

# 进入项目目录 cd MediaCrawler # 使用 uv sync 命令来保证 python 版本和相关依赖包的一致性 uv sync

浏览器方面，项目默认使用 CDP 模式连接你已有的 Chrome 浏览器，无需额外安装浏览器驱动。使用前需要安装最新版 Chrome（版本 >= 144），并在地址栏输入chrome://inspect/#remote-debugging，勾选 "Allow remote debugging for this browser instance"，页面显示Server running at: 127.0.0.1:9222表示就绪。运行爬虫后 Chrome 会弹出确认对话框，60 秒内点击"接受"即可。

如果不想使用 CDP 模式，可以在 config/base_config.py 中设置ENABLE_CDP_MODE = False切换为标准 Playwright 模式，并按 README 说明执行uv run playwright install安装浏览器驱动。

开启媒体爬取开关

打开 config/base_config.py，找到这一项：

# Whether to enable crawling media mode (including image or video resources), crawling media is not enabled by default ENABLE_GET_MEIDAS = False

它的注释说明：是否开启爬取媒体模式（包括图片或视频资源），默认不爬取媒体。将其改为：

ENABLE_GET_MEIDAS = True

两个容易踩坑的点：

1. 配置项名字就是ENABLE_GET_MEIDAS，注意末尾是MEIDAS而不是常见的拼写MEDIAS，改错名字不会生效，只会创建一个无关的新变量。
2. 媒体文件的存放位置受SAVE_DATA_PATH控制。同一文件中（config/base_config.py）：

# Data saving path, if not specified by default, it will be saved to the data folder. SAVE_DATA_PATH = ""

SAVE_DATA_PATH为空时，媒体文件保存在项目data/目录下；把它设为自定义路径后，媒体文件会存到该路径下的对应平台子目录。本示例保持默认（空值）即可。

另外建议顺手控制一下爬取量，同一文件中的CRAWLER_MAX_NOTES_COUNT = 15控制爬取的帖子/视频数量，首次验证时可以调小，避免一次性下载大量媒体文件。

运行爬取

配置完成后，按 README.md 的示例运行。以小红书关键词搜索为例：

# 从配置文件中读取关键词搜索相关的帖子并爬取帖子信息与评论 uv run main.py --platform xhs --lt qrcode --type search

其他平台或爬取类型（detail指定帖子 ID 爬取、creator创作者主页）的用法可以用uv run main.py --help查看，配置项PLATFORM、KEYWORDS、CRAWLER_TYPE同样在 config/base_config.py 中修改。

当前代码中，小红书、抖音、B 站、微博的爬虫实现及其媒体保存模块会读取这个开关，例如 media_platform/xhs/core.py 中的get_notice_media：开关未开启时直接打印日志并返回，开启后依次下载笔记图片和视频。

验证媒体是否下载成功

判断是否生效，分两层看：

看日志。保存成功后，媒体存储模块会逐条打印（store/xhs/xhs_store_media.py）：

[XiaoHongShuImageStoreImplement.save_image] save image data/xhs/images/{note_id}/0.jpg success ...

如果开关没打开，日志里会出现：

[XiaoHongShuCrawler.get_notice_media] Crawling image mode is not enabled

看到这条说明你改的不是ENABLE_GET_MEIDAS，回到配置里检查拼写。

看落盘文件。目录结构由各平台的媒体存储实现决定，文件以内容 ID 作为子目录名，按0.jpg、1.jpg、0.mp4这样的序号命名：

运行结束后到对应目录确认文件存在即可；若设置了SAVE_DATA_PATH，把上面的data/换成你配置的路径。文本数据（jsonl/csv/db 等）的保存方式与媒体下载相互独立，参见 docs/data_storage_guide.md。

边界与限制

• 媒体爬取默认关闭，且下载是同步逐条进行的，小红书实现中每个资源下载之间还带有随机等待（见 media_platform/xhs/core.py），资源越多耗时越长。
• 项目代码头部声明其用途限于学习和研究，使用时应遵守目标平台条款并控制请求频率，媒体下载同样适用这一约束（见 config/base_config.py 的声明）。
• 快手、贴吧、知乎的爬取流程中未见对ENABLE_GET_MEIDAS的引用，本开关目前只对上述四个平台的媒体下载起作用。

完成一次小批量爬取、在data/对应子目录里看到成功日志和实际文件后，就可以按同样的方式跑正式任务了；如果某个平台日志显示保存成功但目录为空，优先检查SAVE_DATA_PATH是否指向了其他位置。

【免费下载链接】MediaCrawler小红书笔记 | 评论爬虫、抖音视频 | 评论爬虫、快手视频 | 评论爬虫、B 站视频 ｜ 评论爬虫、微博帖子 ｜ 评论爬虫、百度贴吧帖子 ｜ 百度贴吧评论回复爬虫 | 知乎问答文章｜评论爬虫项目地址: https://gitcode.com/GitHub_Trending/me/MediaCrawler