低成本搭建电商口碑监控体系：7×24 小时商品评论采集 + 情感分析完整实战（附 Python 源码）

pip install requests pandas jieba wordcloud matplotlib

import requests
import pandas as pd
import time

# 替换为自己控制台获取的凭证
ACCESS_KEY = "你的密钥标识"
ACCESS_SECRET = "你的安全密钥"
TARGET_ITEM_ID = "目标商品ID"
PAGE_SIZE = 20  # 单页读取条数

def get_item_review(page):
    """获取单页商品评价数据"""
    params = {
        "key": ACCESS_KEY,
        "secret": ACCESS_SECRET,
        "item_id": TARGET_ITEM_ID,
        "page": page,
        "page_size": PAGE_SIZE,
        "sort": "new"  # new=最新评价 hot=热门评价
    }
    # 统一数据请求通道
    resp = requests.get("https://data-claw-gateway.com/tmall/review", params=params)
    res_data = resp.json()
    return res_data

def batch_crawl_all_reviews():
    """循环分页采集全部评价"""
    all_review_list = []
    page_num = 1
    while True:
        print(f"正在采集第{page_num}页评价...")
        result = get_item_review(page_num)
        # 判断数据是否返回正常
        if result.get("code") != 0:
            print("数据读取异常：", result.get("msg"))
            break
        page_data = result.get("data", {})
        review_items = page_data.get("item", [])
        if not review_items:
            print("所有评价采集完成")
            break
        # 结构化提取需要的字段
        for item in review_items:
            temp_dict = {
                "评价ID": item.get("rate_id"),
                "评价时间": item.get("rate_date"),
                "买家昵称": item.get("display_user_nick"),
                "商品规格": item.get("auction_sku"),
                "星级评分": item.get("user_star"),
                "主评内容": item.get("rate_content"),
                "追评内容": item.get("add_feedback"),
                "晒图链接": item.get("pics"),
                "点赞数": item.get("like_count")
            }
            all_review_list.append(temp_dict)
        page_num += 1
        time.sleep(1.2)  # 间隔延迟，避免高频请求限制
    # 保存至本地表格
    df = pd.DataFrame(all_review_list)
    df.to_csv(f"商品评价_{TARGET_ITEM_ID}.csv", index=False, encoding="utf-8-sig")
    print(f"共采集{len(all_review_list)}条评价，文件已保存")
    return df

# 执行全量采集
if __name__ == "__main__":
    review_df = batch_crawl_all_reviews()

import requests
import pandas as pd
import time

ACCESS_KEY = "你的密钥标识"
ACCESS_SECRET = "你的安全密钥"
TARGET_ITEM_ID = "目标商品ID"
# 存储已采集评价ID，用于增量判断
history_id_set = set()

def get_new_review():
    params = {
        "key": ACCESS_KEY,
        "secret": ACCESS_SECRET,
        "item_id": TARGET_ITEM_ID,
        "page": 1,
        "page_size": 50,
        "sort": "new"
    }
    resp = requests.get("https://data-claw-gateway.com/tmall/review", params=params)
    res = resp.json()
    if res.get("code") != 0:
        return []
    items = res.get("data", {}).get("item", [])
    new_reviews = []
    for item in items:
        rid = item.get("rate_id")
        if rid not in history_id_set:
            history_id_set.add(rid)
            new_reviews.append(item)
    return new_reviews

def monitor_loop():
    print("启动实时口碑监控，每10分钟轮询一次...")
    while True:
        new_data = get_new_review()
        if new_data:
            print(f"====检测到{len(new_data)}条新增评价====")
            for review in new_data:
                score = review.get("user_star")
                content = review.get("rate_content")
                sku = review.get("auction_sku")
                # 低分判定差评预警
                if int(score) <= 3:
                    print(f"【差评预警】规格：{sku} | 评分：{score}分 | 内容：{content}")
            # 追加写入本地表格
            df_new = pd.DataFrame([{
                "评价ID": i.get("rate_id"),
                "评价时间": i.get("rate_date"),
                "商品规格": i.get("auction_sku"),
                "星级评分": i.get("user_star"),
                "主评内容": i.get("rate_content"),
                "追评内容": i.get("add_feedback")
            } for i in new_data])
            df_new.to_csv(f"监控增量评价_{TARGET_ITEM_ID}.csv", mode="a", header=False, index=False, encoding="utf-8-sig")
        time.sleep(600)  # 10分钟轮询间隔

if __name__ == "__main__":
    monitor_loop()

import pandas as pd
import jieba
from collections import Counter
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 读取采集好的评价表格
df = pd.read_csv(f"商品评价_{TARGET_ITEM_ID}.csv", encoding="utf-8-sig")

# 1. 星级评分分布统计
score_count = df["星级评分"].value_counts().sort_index()
plt.figure(figsize=(8,4))
score_count.plot(kind="bar", color="#409EFF")
plt.title("商品星级评分分布")
plt.xlabel("星级")
plt.ylabel("评价数量")
plt.savefig("评分分布图表.png")

# 2. 差评高频关键词提取
bad_comment = df[df["星级评分"] <= 3]["主评内容"].dropna().str.cat(sep=" ")
stop_words = {"的", "了", "很", "有点", "还", "但是", "就是", "感觉", "这个", "买", "收到"}
words = jieba.lcut(bad_comment)
clean_words = [w for w in words if len(w)>=2 and w not in stop_words]
word_counter = Counter(clean_words)
top10_word = word_counter.most_common(10)
print("差评Top10高频词汇：")
for word, num in top10_word:
    print(f"{word}：{num}次")

# 3. 不同规格商品平均分对比
sku_score = df.groupby("商品规格")["星级评分"].mean().sort_values()
print("\n各规格平均评分：")
print(sku_score)