电商口碑自动化监控实战：低成本搭建商品评论实时洞察体系（附完整 Python 实操代码）

pip install requests pandas jieba wordcloud

import requests
import pandas as pd
import time
import jieba
from collections import Counter

# ====================== 工具凭证配置区（替换自己后台生成的凭证） ======================
TOKEN = "你的专属校验凭证"
PROJECT_ID = "项目编号"
# 待监控商品链接列表，支持批量添加多个商品
goods_url_list = [
    "https://item.taobao.com/item.htm?id=1234567890123",
    "https://item.taobao.com/item.htm?id=9876543210987"
]
# 单次采集评论页数，可根据需求调整
page_limit = 20
# =================================================================================

def get_goods_comments(goods_url, page=1):
    """调用工具能力，获取单页商品评论数据"""
    headers = {
        "Content-Type": "application/json"
    }
    params = {
        "token": TOKEN,
        "project_id": PROJECT_ID,
        "target_url": goods_url,
        "page": page,
        "page_size": 50
    }
    # 工具统一数据分发地址
    resp = requests.get("https://collect.data-flow.work/pull", params=params, headers=headers)
    if resp.status_code == 200:
        return resp.json()
    else:
        print(f"页面{page}数据拉取失败，状态码：{resp.status_code}")
        return None

def batch_fetch_all_comments(url_list):
    """批量循环采集所有商品全部评论"""
    all_comment_data = []
    for url in url_list:
        print(f"开始采集商品：{url}")
        current_page = 1
        while current_page <= page_limit:
            res = get_goods_comments(url, current_page)
            if not res or res.get("data") is None or len(res["data"]) == 0:
                print(f"商品{url}第{current_page}页无更多评论，停止采集")
                break
            # 格式化单条评论数据
            for item in res["data"]:
                comment_info = {
                    "商品链接": url,
                    "评价星级": item.get("star"),
                    "评价内容": item.get("content"),
                    "评价时间": item.get("create_time"),
                    "是否追评": item.get("is_add_comment"),
                    "晒图数量": item.get("img_num"),
                    "买家标签": item.get("user_tag")
                }
                all_comment_data.append(comment_info)
            current_page += 1
            # 适度延时，降低访问频率
            time.sleep(1.2)
    # 保存至本地CSV文件
    df = pd.DataFrame(all_comment_data)
    df.to_csv("电商商品评论汇总.csv", index=False, encoding="utf-8-sig")
    print("全部评论采集完成，数据已保存至【电商商品评论汇总.csv】")
    return df

# 执行批量采集
comment_df = batch_fetch_all_comments(goods_url_list)

def comment_sentiment_analysis(df):
    """评论情感与关键词分析"""
    # 1. 区分好评/中评/差评
    df["口碑等级"] = df["评价星级"].apply(lambda x: "差评" if int(x) <= 2 else "中评" if int(x) == 3 else "好评")
    print("===== 口碑星级分布统计 =====")
    print(df["口碑等级"].value_counts())

    # 2. 提取差评内容，快速定位产品问题
    bad_comment = df[df["口碑等级"] == "差评"]["评价内容"].dropna()
    bad_comment.to_csv("差评汇总.csv", index=False, encoding="utf-8-sig")
    print(f"\n差评总量：{len(bad_comment)}，已单独保存至【差评汇总.csv】")

    # 3. 高频关键词分词统计
    all_text = "".join([str(i) for i in df["评价内容"].dropna()])
    words = jieba.cut(all_text)
    stop_words = {"的", "了", "很", "比较", "还", "但是", "就是", "有点", "感觉"}
    word_list = [w for w in words if len(w) > 1 and w not in stop_words]
    word_count = Counter(word_list)
    print("\n===== 用户评价高频Top20关键词 =====")
    for word, count in word_count.most_common(20):
        print(f"{word}：{count}次")
    return df

# 执行分析
comment_df = comment_sentiment_analysis(comment_df)

import schedule

def daily_monitor_task():
    """每日定时增量采集新增评论，实现长效监控"""
    print("===== 启动每日商品评论增量监控任务 =====")
    new_data = batch_fetch_all_comments(goods_url_list)
    comment_sentiment_analysis(new_data)
    print("当日监控任务执行完毕，已更新最新口碑数据")

# 设置每天早上9点自动执行监控任务
schedule.every().day.at("09:00").do(daily_monitor_task)

# 持续运行定时任务
if __name__ == "__main__":
    while True:
        schedule.run_pending()
        time.sleep(60)