淘宝 item_review 接口深度分析及 Python 实现

兵临天下api2025-09-05 11:16

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

  1. 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
  1. 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
  1. 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 复制代码 
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 复制代码 
# 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

  1. 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
  1. 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
  1. 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。

相关推荐
用户4099322502122 天前
PostgreSQL UPDATE语句怎么玩？从改邮箱到批量更新的避坑技巧你都会吗？
后端·ai编程·trae
用户4099322502126 天前
PostgreSQL 17安装总翻车？Windows/macOS/Linux避坑指南帮你搞定？
后端·ai编程·trae
用户4099322502127 天前
能当关系型数据库还能玩对象特性，能拆复杂查询还能自动管库存，PostgreSQL 凭什么这么香？
后端·ai编程·trae
豆包MarsCode8 天前
基于 TRAE 的自动化测试用例智能生成方案
trae
岛风风8 天前
你还在让ai这样解决编程问题？
程序员·trae
用户4099322502128 天前
给接口加新字段又不搞崩老客户端？FastAPI的多版本API靠哪三招实现？
后端·ai编程·trae
程序员爱钓鱼9 天前
Go语言100个实战案例-项目实战篇:股票行情数据爬虫
后端·go·trae
用户40993225021210 天前
FastAPI秒杀库存总变负数？Redis分布式锁能帮你守住底线吗
后端·ai编程·trae
豆包MarsCode10 天前
AI 工具站开发：3 小时 SOLO，全栈开发+自动部署
trae
用户40993225021211 天前
FastAPI的CI流水线怎么自动测端点，还能让Allure报告美到犯规？
后端·ai编程·trae
热门推荐
01Multisim使用教程详尽版--(2025最新版)02UV 工具安装与国内镜像源配置指南03GitHub 镜像站点0446个Nano-banana 精选提示词，持续更新中05UV安装并设置国内源06Spec-Kit 使用指南07保姆级教程：手把手教你用Dify实现完美多轮对话（附Chatflow和提示词）08VsCode远程Copilot无法使用Claude Agent问题092025年华为杯研赛数学建模竞赛C题完整参考论文 （含模型、MATLAB和Python代码）10KGG转MP3工具|非KGM文件|解密音频