1688 平台的 item_review 接口是获取商品采购商评价数据的核心接口，专注于 B2B 场景下的交易评价信息。与面向消费者的电商平台不同，1688 的评论更侧重于产品质量、供应商服务、物流速度等批发采购相关维度，对供应商评估和采购决策具有重要参考价值。
一、接口核心特性分析
- 接口功能与定位
-
核心功能：获取 1688 商品的采购商评价数据，包括评价内容、评分、采购量、合作次数等 B2B 场景特有的信息
-
数据维度：
- 基础评价：评价 ID、商品 ID、采购商信息、评价时间、评价内容
- 评分数据：产品质量、卖家服务、物流速度等维度评分
- 交易信息：采购数量、采购金额、合作次数、是否回头客
- 多媒体内容：产品实拍图、质检图片
- 追评信息：追加评价内容、长期使用反馈
-
应用场景：
- 供应商信用评估系统
- 采购决策辅助工具
- 供应链风险控制
- 同类供应商对比分析
- 产品质量监控
- 认证机制
1688 开放平台采用 appkey + access_token 的认证方式：
- 开发者在 1688 开放平台注册应用，获取
appkey和appsecret - 通过
appkey和appsecret获取access_token（通常有效期为 24 小时） - 每次接口调用需携带有效
access_token - 评论接口需要申请特定权限，部分高级数据需通过企业认证
- 核心参数与响应结构
请求参数
| 参数名 | 类型 | 是否必填 | 说明 |
|---|---|---|---|
offer_id |
String | 是 | 商品 ID（1688 中称为 offer_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 50 |
sort |
String | 否 | 排序方式：newest（最新）、helpful（最有帮助）、high_rating（高分） |
is_retail |
Boolean | 否 | 是否只看零售单评价，默认 false |
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、采购商信息、评价时间
- 评分信息：产品质量、卖家服务、物流速度等评分
- 交易信息：采购数量、金额、是否回头客
- 评价内容：文本内容、标签
- 多媒体：实拍图片 URL 列表
- 追评：内容与时间
二、Python 脚本实现
以下是调用 1688 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 B2B 场景特有的评价分析功能： import requests import time import json import logging import re from typing import Dict, Optional, List 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 Alibaba1688ItemReviewAPI: def init (self, appkey: str, appsecret: str): """ 初始化1688评论API客户端 :param appkey: 1688开放平台appkey :param appsecret: 1688开放平台appsecret """ self.appkey = appkey self.appsecret = appsecret self.base_url = "gw.open.1688.com/openapi" 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": "alibaba.oauth2.getToken",
"client_id": self.appkey,
"client_secret": self.appsecret,
"grant_type": "client_credentials",
"format": "json"
}
try:
response = self.session.get(f"{self.base_url}/gateway.do", 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,
offer_id: str,
page: int = 1,
page_size: int = 20,
sort: str = "newest",
is_retail: bool = False,
has_image: bool = False) -> Optional[Dict]:
"""
获取商品评论
:param offer_id: 商品ID（1688中称为offer_id）
:param page: 页码
:param page_size: 每页条数
:param sort: 排序方式
:param is_retail: 是否只看零售单评价
:param has_image: 是否只看有图评价
:return: 评论数据
"""
# 验证参数
valid_sorts = ["newest", "helpful", "high_rating"]
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 > 50:
logging.error(f"每页条数必须在1-50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": "alibaba.item.review.get",
"client_id": self.appkey,
"access_token": self.access_token,
"offer_id": offer_id,
"page": page,
"page_size": page_size,
"sort": sort,
"is_retail": "true" if is_retail else "false",
"has_image": "true" if has_image else "false",
"format": "json",
"v": "1.0",
"timestamp": time.strftime("%Y-%m-%d %H:%M:%S")
}
try:
response = self.session.get(f"{self.base_url}/gateway.do", 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("alibaba_item_review_get_response", {})
reviews_data = review_response.get("result", {})
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_count", 0)),
"total_pages": (int(review_data.get("total_count", 0)) + int(review_data.get("page_size", 20)) - 1) // int(review_data.get("page_size", 20)),
"current_page": int(review_data.get("current_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("reviews", []):
# 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") if img.get("url")]
# 处理追评（1688中可能包含长期使用反馈）
append_comment = None
if review.get("append_comment"):
append_comment = {
"content": self._clean_text(review["append_comment"].get("content", "")),
"created": review["append_comment"].get("gmt_create"),
"days_after_purchase": review["append_comment"].get("days_after_purchase") # 购买后多少天追评
}
# 处理交易信息（B2B特有的采购信息）
trade_info = {
"purchase_quantity": int(review.get("purchase_quantity", 0)), # 采购数量
"purchase_amount": float(review.get("purchase_amount", 0)), # 采购金额
"is_repeat_buyer": review.get("is_repeat_buyer", False), # 是否回头客
"cooperation_count": int(review.get("cooperation_count", 1)), # 合作次数
"purchase_time": review.get("purchase_time") # 采购时间
}
reviews.append({
"review_id": review.get("review_id"),
"buyer": {
"user_id": review.get("buyer_user_id"),
"nickname": review.get("buyer_nick"),
"level": review.get("buyer_level"), # 采购商等级
"region": review.get("buyer_region") # 采购商地区
},
"rating": {
"product_quality": int(review.get("product_quality_rating", 0)), # 产品质量评分
"seller_service": int(review.get("seller_service_rating", 0)), # 卖家服务评分
"logistics_speed": int(review.get("logistics_speed_rating", 0)), # 物流速度评分
"match_description": int(review.get("match_description_rating", 0)) # 与描述相符度
},
"content": content,
"created_time": review.get("gmt_create"),
"images": images,
"append_comment": append_comment,
"useful_count": int(review.get("useful_count", 0)), # 有用数
"tags": review.get("tags", "").split(","), # 评价标签
"trade_info": trade_info,
"is_retail": review.get("is_retail", False), # 是否零售单
"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()
# 去除特殊字符
clean = re.sub(r'[^\u4e00-\u9fa5a-zA-Z0-9,.?!，。？！]', ' ', clean)
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, offer_id: str, max_pages: int = 10, has_image: bool = False) -> List[Dict]:
"""
获取多页评论数据
:param offer_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(
offer_id=offer_id,
page=page,
page_size=50, # 使用最大页大小减少请求次数
sort="newest",
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，遵守1688 API的QPS限制
time.sleep(2)
return all_reviews
def analyze_b2b_reviews(self, reviews: List[Dict]) -> Dict:
"""分析B2B评论数据，生成针对批发采购场景的统计报告"""
if not reviews:
return {}
total = len(reviews)
sentiment_counts = {"positive": 0, "neutral": 0, "negative": 0}
rating_stats = {
"product_quality": [],
"seller_service": [],
"logistics_speed": [],
"match_description": []
}
tag_counts = {}
has_image_count = 0
repeat_buyer_count = 0
retail_order_count = 0
total_purchase_quantity = 0
total_purchase_amount = 0
# B2B场景关键词（与批发采购相关）
b2b_keywords = {
"quality": ["质量", "材质", "做工", "品质", "用料"],
"price": ["价格", "性价比", "便宜", "贵", "优惠"],
"service": ["服务", "态度", "响应", "沟通", "售后"],
"logistics": ["物流", "快递", "运输", "速度", "包装"],
"moq": ["起订量", "批量", "数量", "MOQ"],
"delivery": ["发货", "交期", "工期", "准时"]
}
keyword_counts = {k:0 for k in b2b_keywords}
# 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
# 回头客统计（B2B重要指标）
if review["trade_info"]["is_repeat_buyer"]:
repeat_buyer_count += 1
# 零售单统计
if review["is_retail"]:
retail_order_count += 1
# 采购量和采购金额统计
total_purchase_quantity += review["trade_info"]["purchase_quantity"]
total_purchase_amount += review["trade_info"]["purchase_amount"]
# B2B关键词统计
content = review["content"].lower()
for category, kws in b2b_keywords.items():
for kw in kws:
if kw in content:
keyword_counts[category] += 1
break # 每个类别只计数一次
# 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]
# 计算平均采购量和采购金额
avg_purchase = {
"quantity": round(total_purchase_quantity / total, 1) if total > 0 else 0,
"amount": round(total_purchase_amount / total, 2) if total > 0 else 0
}
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,
"repeat_buyer_ratio": round(repeat_buyer_count / total * 100, 1) if total > 0 else 0, # 回头客比例（B2B重要指标）
"retail_order_ratio": round(retail_order_count / total * 100, 1) if total > 0 else 0, # 零售单比例
"avg_purchase": avg_purchase, # 平均采购量和金额
"total_purchase": {
"quantity": total_purchase_quantity,
"amount": total_purchase_amount
},
"top_tags": top_tags,
"b2b_keyword_distribution": keyword_counts
}示例调用
if name == "main": # 替换为实际的appkey和appsecret（从1688开放平台获取） APPKEY = "your_appkey" APPSECRET = "your_appsecret" # 替换为目标商品offer_id OFFER_ID = "61234567890"
python
# 初始化API客户端
api = Alibaba1688ItemReviewAPI(APPKEY, APPSECRET)
# 方式1：获取单页评论
# review_result = api.get_item_reviews(
# offer_id=OFFER_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(
offer_id=OFFER_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}. 采购商: {review['buyer']['nickname']} ({review['buyer']['region'] or '未知地区'})")
print(f" 采购信息: {review['trade_info']['purchase_quantity']}件, {review['trade_info']['purchase_amount']}元, {'回头客' if review['trade_info']['is_repeat_buyer'] else '新客户'}")
print(f" 评分: 质量 {review['rating']['product_quality']}, 服务 {review['rating']['seller_service']}, 物流 {review['rating']['logistics_speed']}")
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']})")
if review['images']:
print(f" 图片数: {len(review['images'])}")
if review['tags']:
print(f" 标签: {', '.join(review['tags'])}")
if review['append_comment']:
print(f" 追评({review['append_comment']['days_after_purchase']}天后): {review['append_comment']['content'][:50]}{'...' if len(review['append_comment']['content'])>50 else ''}")
print("-" * 100)
# 分析评论
analysis = api.analyze_b2b_reviews(review_result["reviews"])
print("\n=== B2B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: 质量 {analysis['average_rating']['product_quality']}, 服务 {analysis['average_rating']['seller_service']}, 物流 {analysis['average_rating']['logistics_speed']}")
print(f"回头客比例: {analysis['repeat_buyer_ratio']}%")
print(f"平均采购量: {analysis['avg_purchase']['quantity']}件, 平均采购金额: {analysis['avg_purchase']['amount']}元")
print("热门标签:")
for tag, count in analysis['top_tags']:
print(f" {tag}: {count}次")
print("B2B关键维度提及次数:")
for category, count in analysis['b2b_keyword_distribution'].items():
print(f" {category}: {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_b2b_reviews(review_result)
print("\n=== B2B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"回头客比例: {analysis['repeat_buyer_ratio']}%")三、接口调用注意事项
- 调用限制与规范
- QPS 限制：1688 开放平台对评论接口的 QPS 限制通常为 3-5 次 / 秒，低于消费类电商平台
- 数据权限：评论接口需要申请特定权限，企业账号比个人账号能获取更多数据
- 分页限制：最多可获取前 50 页评论数据（约 2500 条）
- 行业差异：不同行业的评论数据结构可能略有差异，尤其是定制类商品
- 合规使用：评论数据包含采购商信息，需严格遵守隐私保护条款
- 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，检查权限是否正确 | | 403 | 权限不足 | 升级账号类型，申请评论接口的访问权限 | | 404 | 商品不存在或无评论 | 确认 offer_id 是否正确，该商品可能没有评论 | | 429 | 调用频率超限 | 降低调用频率，实现请求限流 | | 500 | 服务器内部错误 | 实现重试机制，最多 3 次，间隔指数退避 | | 110 | 商品 ID 无效 | 检查 offer_id 是否正确，1688 商品 ID 通常为 10-12 位数字 |
- 数据解析要点
- B2B 特有字段：重点关注采购量、采购金额、是否回头客等批发场景特有字段
- 评分体系：1688 评分通常为 1-5 分，部分字段采用星级制（1-5 星）
- 地区信息：采购商地区分布对供应链分析有重要价值，需正确解析
- 图片内容：1688 评论图片多为产品实拍，对质量评估有直接参考价值
- 合作次数：反映供应商的长期合作稳定性，是 B2B 场景的重要指标
四、应用场景与扩展建议 典型应用场景
- 供应商评估系统：综合评论数据评估供应商的产品质量和服务水平
- 采购决策辅助工具：基于其他采购商的评价数据辅助采购决策
- 供应链风险监控：通过负面评价识别潜在的供应链风险
- 同类供应商对比：横向对比同类商品供应商的评价数据
- 市场趋势分析：通过评论内容分析产品需求和市场趋势 扩展建议
- 实现供应商信用评分模型：结合评论数据构建供应商信用评分体系
- 开发采购风险预警：基于负面评论关键词自动识别高风险供应商
- 构建采购量与评价相关性分析：分析采购量与评价之间的关系
- 开发地区采购偏好分析：分析不同地区采购商的评价差异和偏好
- 实现长期合作价值评估：基于回头客比例和合作次数评估供应商长期价值
- 构建多维度供应商雷达图：从质量、服务、物流等维度可视化供应商表现 通过合理使用 1688
item_review接口，开发者可以构建针对 B2B 场景的供应商评价分析系统，为采购决策和供应链管理提供数据支持。使用时需特别注意 1688 平台的 B2B 特性，关注与批发采购相关的特有数据维度，以获取更有价值的分析结果。