淘宝的 item_review
接口是用于获取商品评论数据的核心接口,能够获取淘宝平台上指定商品的用户评价、评分、追评等详细信息。这些数据对于商品口碑分析、用户需求挖掘、竞品对比等场景具有重要价值,是电商数据分析中不可或缺的一环。
一、接口核心特性分析
- 接口功能与定位
-
核心功能:获取淘宝商品的用户评论数据,包括评价内容、评分、评价时间、用户信息、晒图等
-
数据维度:
- 基础评价:评价 ID、商品 ID、用户昵称、评价时间、评价内容
- 评分数据:商品描述、服务态度、物流速度等维度评分
- 多媒体内容:评价图片、视频
- 追评信息:追加评价内容、追评时间
- 有用数:其他用户认为该评价有帮助的次数
-
应用场景:
- 商品口碑分析与舆情监控
- 用户需求与痛点挖掘
- 竞品评价对比分析
- 评价内容情感倾向分析
- 产品改进建议提取
- 认证机制
淘宝开放平台(TOP)采用 appkey + access_token
的认证方式:
- 开发者在淘宝开放平台注册应用,获取
appkey
和appsecret
- 通过
appkey
和appsecret
获取access_token
(有有效期) - 每次请求需在参数中携带
access_token
进行身份验证 - 评论接口属于敏感数据接口,需要额外申请权限
- 核心参数与响应结构
请求参数
参数名 | 类型 | 是否必填 | 说明 |
---|---|---|---|
item_id |
String | 是 | 商品 ID |
access_token |
String | 是 | 访问令牌 |
page |
Integer | 否 | 页码,默认 1 |
page_size |
Integer | 否 | 每页条数,默认 20,最大 100 |
sort |
String | 否 | 排序方式:newest (最新)、helpful (最有帮助)、bad (差评) |
has_image |
Boolean | 否 | 是否只看有图评价,默认 false |
响应核心字段
-
分页信息:总评论数、总页数、当前页码
-
评价列表:每条评价包含
- 评价基本信息:评价 ID、用户信息、评价时间
- 评分信息:各维度评分
- 评价内容:文本内容、标签
- 多媒体:图片 URL 列表
- 追评:内容与时间
- 商家回复:内容与时间
二、Python 脚本实现
以下是调用淘宝 item_review
接口的完整 Python 实现,包含令牌获取、接口调用、数据解析及简单的情感分析功能: import requests import time import json import logging import re from typing import Dict, Optional, List, Tuple from requests.exceptions import RequestException from snownlp import SnowNLP # 用于情感分析,需安装:pip install snownlp
配置日志 logging.basicConfig( level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s" )
class TaobaoItemReviewAPI: def init (self, appkey: str, appsecret: str): """ 初始化淘宝评论API客户端 :param appkey: 淘宝开放平台appkey :param appsecret: 淘宝开放平台appsecret """ self.appkey = appkey self.appsecret = appsecret self.base_url = "eco.taobao.com/router/rest" self.access_token = None self.token_expires_at = 0 # token过期时间戳 self.session = requests.Session() self.session.headers.update({ "Content-Type": "application/x-www-form-urlencoded", "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/110.0.0.0 Safari/537.36" })
python
def _get_access_token(self) -> Optional[str]:
"""获取访问令牌"""
# 检查token是否有效
if self.access_token and self.token_expires_at > time.time() + 60:
return self.access_token
logging.info("获取新的access_token")
params = {
"method": "taobao.oauth.token",
"appkey": self.appkey,
"appsecret": self.appsecret,
"grant_type": "client_credentials",
"format": "json"
}
try:
response = self.session.get(self.base_url, params=params, timeout=10)
response.raise_for_status()
result = response.json()
if "error_response" in result:
logging.error(f"获取access_token失败: {result['error_response']['msg']} (错误码: {result['error_response']['code']})")
return None
self.access_token = result["access_token"]
self.token_expires_at = time.time() + result.get("expires_in", 86400) # 默认为24小时
return self.access_token
except RequestException as e:
logging.error(f"获取access_token请求异常: {str(e)}")
return None
def get_item_reviews(self,
item_id: str,
page: int = 1,
page_size: int = 20,
sort: str = "newest",
has_image: bool = False) -> Optional[Dict]:
"""
获取商品评论
:param item_id: 商品ID
:param page: 页码
:param page_size: 每页条数
:param sort: 排序方式
:param has_image: 是否只看有图评价
:return: 评论数据
"""
# 验证参数
valid_sorts = ["newest", "helpful", "bad"]
if sort not in valid_sorts:
logging.error(f"无效的排序方式: {sort},支持: {valid_sorts}")
return None
if page_size < 1 or page_size > 100:
logging.error(f"每页条数必须在1-100之间,当前为: {page_size}")
return None
# 获取有效的access_token
if not self._get_access_token():
return None
params = {
"method": "taobao.item.review.get",
"appkey": self.appkey,
"access_token": self.access_token,
"item_id": item_id,
"page": page,
"page_size": page_size,
"sort": sort,
"has_image": "true" if has_image else "false",
"format": "json",
"v": "2.0"
}
try:
response = self.session.get(self.base_url, params=params, timeout=15)
response.raise_for_status()
result = response.json()
if "error_response" in result:
logging.error(f"获取评论失败: {result['error_response']['msg']} (错误码: {result['error_response']['code']})")
return None
review_response = result.get("item_review_get_response", {})
reviews_data = review_response.get("reviews", {})
if not reviews_data:
logging.warning("未获取到评论数据")
return None
# 格式化评论数据
return self._format_review_data(reviews_data)
except RequestException as e:
logging.error(f"获取评论请求异常: {str(e)}")
return None
except json.JSONDecodeError:
logging.error(f"评论响应解析失败: {response.text[:200]}...")
return None
def _format_review_data(self, review_data: Dict) -> Dict:
"""格式化评论数据"""
# 分页信息
pagination = {
"total_reviews": int(review_data.get("total", 0)),
"total_pages": (int(review_data.get("total", 0)) + int(review_data.get("page_size", 20)) - 1) // int(review_data.get("page_size", 20)),
"current_page": int(review_data.get("page", 1)),
"page_size": int(review_data.get("page_size", 20))
}
# 格式化评论列表
reviews = []
for review in review_data.get("review", []):
# 处理评价内容(去除HTML标签)
content = self._clean_text(review.get("content", ""))
# 情感分析(0-1之间,越接近1越积极)
sentiment_score = self._analyze_sentiment(content)
sentiment = "positive" if sentiment_score > 0.6 else "negative" if sentiment_score < 0.4 else "neutral"
# 处理评价图片
images = []
if review.get("images"):
images = [img.get("url") for img in review.get("images", {}).get("image", []) if img.get("url")]
# 处理追评
append_comment = None
if review.get("append_comment"):
append_comment = {
"content": self._clean_text(review["append_comment"].get("content", "")),
"created": review["append_comment"].get("created")
}
# 处理商家回复
reply = None
if review.get("reply"):
reply = {
"content": self._clean_text(review["reply"].get("content", "")),
"created": review["reply"].get("created")
}
reviews.append({
"review_id": review.get("review_id"),
"user": {
"nick": review.get("nick"),
"avatar": review.get("user_avatar")
},
"rating": {
"total": int(review.get("rating", 0)), # 总评分
"description": int(review.get("description_rating", 0)), # 描述相符
"service": int(review.get("service_rating", 0)), # 服务态度
"delivery": int(review.get("delivery_rating", 0)) # 物流速度
},
"content": content,
"created_time": review.get("created"),
"images": images,
"append_comment": append_comment,
"reply": reply,
"useful": int(review.get("useful", 0)), # 有用数
"tags": review.get("tags", "").split(","), # 评价标签
"sentiment": {
"score": round(sentiment_score, 4),
"label": sentiment
}
})
return {
"pagination": pagination,
"reviews": reviews,
"raw_data": review_data # 保留原始数据
}
def _clean_text(self, text: str) -> str:
"""清理文本,去除HTML标签和特殊字符"""
if not text:
return ""
# 去除HTML标签
clean = re.sub(r'<.*?>', '', text)
# 去除多余空格和换行
clean = re.sub(r'\s+', ' ', clean).strip()
return clean
def _analyze_sentiment(self, text: str) -> float:
"""使用SnowNLP进行情感分析"""
if not text:
return 0.5 # 中性
try:
return SnowNLP(text).sentiments
except:
return 0.5 # 分析失败时返回中性
def get_all_reviews(self, item_id: str, max_pages: int = 10, has_image: bool = False) -> List[Dict]:
"""
获取多页评论数据
:param item_id: 商品ID
:param max_pages: 最大页数限制
:param has_image: 是否只看有图评价
:return: 所有评论列表
"""
all_reviews = []
page = 1
while page <= max_pages:
logging.info(f"获取第 {page} 页评论")
result = self.get_item_reviews(
item_id=item_id,
page=page,
page_size=100, # 使用最大页大小减少请求次数
has_image=has_image
)
if not result or not result["reviews"]:
break
all_reviews.extend(result["reviews"])
# 检查是否已到最后一页
if page >= result["pagination"]["total_pages"]:
break
page += 1
# 控制请求频率,淘宝API有严格的QPS限制
time.sleep(2)
return all_reviews
def analyze_reviews(self, reviews: List[Dict]) -> Dict:
"""分析评论数据,生成统计报告"""
if not reviews:
return {}
total = len(reviews)
sentiment_counts = {"positive": 0, "neutral": 0, "negative": 0}
rating_stats = {
"total": [],
"description": [],
"service": [],
"delivery": []
}
tag_counts = {}
has_image_count = 0
# 统计基础数据
for review in reviews:
# 情感统计
sentiment = review["sentiment"]["label"]
sentiment_counts[sentiment] += 1
# 评分统计
for key in rating_stats:
if key in review["rating"]:
rating_stats[key].append(review["rating"][key])
# 标签统计
for tag in review["tags"]:
if tag:
tag_counts[tag] = tag_counts.get(tag, 0) + 1
# 有图评价统计
if review["images"]:
has_image_count += 1
# 计算平均评分
avg_ratings = {}
for key, values in rating_stats.items():
if values:
avg_ratings[key] = round(sum(values) / len(values), 1)
else:
avg_ratings[key] = 0
# 获取热门标签(前10)
top_tags = sorted(tag_counts.items(), key=lambda x: x[1], reverse=True)[:10]
return {
"total_reviews": total,
"sentiment_distribution": {
"count": sentiment_counts,
"percentage": {
k: round(v / total * 100, 1) for k, v in sentiment_counts.items()
}
},
"average_rating": avg_ratings,
"image_review_ratio": round(has_image_count / total * 100, 1) if total > 0 else 0,
"top_tags": top_tags
}
示例调用 if name == "main": # 替换为实际的appkey和appsecret(从淘宝开放平台获取) APPKEY = "your_appkey" APPSECRET = "your_appsecret" # 替换为目标商品ID ITEM_ID = "123456789"
python
# 初始化API客户端
api = TaobaoItemReviewAPI(APPKEY, APPSECRET)
# 方式1:获取单页评论
# review_result = api.get_item_reviews(
# item_id=ITEM_ID,
# page=1,
# page_size=20,
# sort="newest",
# has_image=False
# )
# 方式2:获取多页评论
review_result = api.get_all_reviews(
item_id=ITEM_ID,
max_pages=3,
has_image=False
)
if isinstance(review_result, dict) and "reviews" in review_result:
print(f"共获取到 {review_result['pagination']['total_reviews']} 条评论")
print(f"当前第 {review_result['pagination']['current_page']}/{review_result['pagination']['total_pages']} 页\n")
# 打印前3条评论
for i, review in enumerate(review_result["reviews"][:3], 1):
print(f"{i}. 用户: {review['user']['nick']}")
print(f" 评分: {review['rating']['total']}分 (描述: {review['rating']['description']}, 服务: {review['rating']['service']}, 物流: {review['rating']['delivery']})")
print(f" 时间: {review['created_time']}")
print(f" 内容: {review['content'][:100]}{'...' if len(review['content'])>100 else ''}")
print(f" 情感: {review['sentiment']['label']} (得分: {review['sentiment']['score']})")
print(f" 有用数: {review['useful']}")
if review['images']:
print(f" 图片数: {len(review['images'])}")
if review['append_comment']:
print(f" 追评: {review['append_comment']['content'][:50]}{'...' if len(review['append_comment']['content'])>50 else ''}")
print("-" * 100)
# 分析评论
analysis = api.analyze_reviews(review_result["reviews"])
print("\n=== 评论分析报告 ===")
print(f"总评论数: {analysis['total_reviews']}")
print(f"情感分布: 正面 {analysis['sentiment_distribution']['percentage']['positive']}%, 中性 {analysis['sentiment_distribution']['percentage']['neutral']}%, 负面 {analysis['sentiment_distribution']['percentage']['negative']}%")
print(f"平均评分: 总评分 {analysis['average_rating']['total']}, 描述相符 {analysis['average_rating']['description']}, 服务态度 {analysis['average_rating']['service']}, 物流速度 {analysis['average_rating']['delivery']}")
print(f"有图评价占比: {analysis['image_review_ratio']}%")
print("热门标签:")
for tag, count in analysis['top_tags']:
print(f" {tag}: {count}次")
elif isinstance(review_result, list):
# 处理多页评论结果
print(f"共获取到 {len(review_result)} 条评论")
# 分析评论
analysis = api.analyze_reviews(review_result)
print("\n=== 评论分析报告 ===")
print(f"总评论数: {analysis['total_reviews']}")
print(f"情感分布: 正面 {analysis['sentiment_distribution']['percentage']['positive']}%, 中性 {analysis['sentiment_distribution']['percentage']['neutral']}%, 负面 {analysis['sentiment_distribution']['percentage']['negative']}%")
三、 接口调用注意事项
- 调用限制与规范
- QPS 限制:淘宝开放平台对评论接口有严格的 QPS 限制,通常为 1-5 次 / 秒
- 数据权限:评论接口需要单独申请权限,个人开发者可能无法获取
- 分页限制:多数商品只能获取前 100 页评论(约 1-2 万条)
- 合规使用:评论数据受用户隐私保护,不得泄露用户个人信息
- 调用频率:批量获取时建议设置 2-3 秒间隔,避免触发反爬机制
- 常见错误及解决方案
错误码 | 说明 | 解决方案 |
---|---|---|
401 | 未授权或 token 无效 | 重新获取 access_token,检查权限是否足够 |
403 | 权限不足 | 申请评论接口访问权限,确认应用已通过审核 |
429 | 调用频率超限 | 降低调用频率,实现请求限流 |
110 | 商品 ID 无效 | 确认 item_id 是否正确,商品是否存在 |
27 | API 不存在 | 检查接口名称是否正确,使用最新的 API 版本 |
500 | 服务器错误 | 实现重试机制,最多 3 次,间隔指数退避 |
- 数据解析要点
- 文本清洗:评价内容可能包含 HTML 标签、表情符号等,需要预处理
- 评分处理:淘宝评分通常为 1-5 分,需注意不同维度评分的映射关系
- 时间格式:评价时间可能为时间戳或字符串,需统一转换为标准格式
- 图片 URL:部分图片 URL 可能有时效性,需要及时保存或处理
- 情感分析:中文评论情感分析需考虑语境和网络用语,可结合专业 NLP 工具
四、应用场景与扩展建议
典型应用场景
- 商品口碑监控系统:实时监控商品评价变化,及时发现负面评价
- 用户需求分析工具:从评论中提取用户对产品功能、特性的需求
- 竞品评价对比平台:对比同类商品的评价数据,找出优势与不足
- 客服辅助系统:自动识别需要回复的负面评价,提高客服效率
- 产品改进建议提取:从评论中挖掘产品改进的具体建议
扩展建议
- 实现评论关键词提取:使用 TF-IDF 或 TextRank 提取核心评价点
- 构建情感趋势图:分析商品评论情感随时间的变化趋势
- 开发负面评价预警:当负面评价比例超过阈值时触发警报
- 结合销量数据:分析评价情感与销量变化的相关性
- 实现多平台对比:整合淘宝、京东、拼多多等平台的评论数据进行综合分析
- 开发可视化仪表板:直观展示评论分析结果,如情感分布饼图、标签云等
通过合理使用淘宝 item_review
接口,开发者可以构建全面的商品评价分析系统,为电商运营、产品改进和用户服务提供数据支持。使用时需严格遵守淘宝开放平台的使用规范和数据保护条款,确保合法合规地获取和使用评论数据。