# Come trasformare i commenti di TikTok in una coda di bug di prodotto

https://jsonscraper.com/it/blog/trasformare-commenti-tiktok-coda-bug-prodotto

Author: Michael Johnson

Published: 2026-11-18T11:43:20+00:00

Updated: 2026-11-18T11:43:20+00:00

Raccogli i commenti pubblici dei video selezionati e salva il JSON originale per verificare la struttura effettiva della risposta prima di etichettare i temi.

Per studiare le conversazioni su un problema su TikTok, cerca prima i video pertinenti, quindi richiedi i commenti di ciascun video selezionato. Per un team di prodotto, il risultato può essere una raccolta di risposte JSON originali, associate alla query e al link del video. Prima di creare una coda di temi, verifica la struttura effettiva dei commenti: la documentazione conferma l’endpoint e i relativi parametri, ma non descrive i campi dei record nella risposta.

 

È un passaggio importante per una pipeline di analisi. I risultati della ricerca aiutano a raccogliere il contesto sul prodotto, mentre i commenti possono contenere segnalazioni di errori, domande o soluzioni alternative. Per basare la classificazione su dati reali, salva innanzitutto la risposta API senza modificarla, poi confronta i campi con lo schema effettivamente ricevuto.

 

## Perché la ricerca dei video non basta

 

Il nome di un’app o di un dispositivo aiuta a trovare i video, ma la descrizione mostra soprattutto il punto di vista dell’autore. Nei commenti, gli spettatori possono discutere malfunzionamenti specifici e modalità d’uso. Raccogliere i commenti aggiunge quindi un secondo livello di dati alla selezione di ricerca, collegato al video originale.

 

I materiali precedenti hanno trattato il monitoraggio della ricerca su TikTok, l’estrazione di domande dalle descrizioni e l’elaborazione delle risposte di ricerca. Qui l’obiettivo è più circoscritto: raccogliere le risposte dell’endpoint dei commenti e verificarne la struttura prima di progettare una classificazione. È un approccio utile a chi sviluppa integrazioni di analisi, a chi ricerca l’esperienza utente e ai team di assistenza.

 

## Dalla frase di ricerca a un insieme di dati verificabile

 

Imposta alcune query specifiche, per esempio il nome del prodotto insieme a quello di una funzione o di un modello. Salva la risposta di ricerca e gli URL dei video selezionati. Poi richiedi i commenti usando gli URL e salva ogni risposta originale separatamente. Dopo aver verificato lo schema, potrai normalizzare i campi necessari, rimuovere i duplicati e raggruppare i testi per argomento.



![Articolo: Come trasformare i commenti di TikTok in una coda di bug di prodotto
Riepilogo: Una pipeline Python collega la ricerca di video TikTok alla richiesta dei commenti tramite jsonscraper. L’esempio salva e stampa il JSON grezzo senza presumere in anticipo i nomi dei campi dei commenti.
Ruolo dell’immagine: illustrazione di supporto 2 — un aspetto specifico diverso
Sezione: Dalla frase di ricerca a un insieme di dati verificabile
Soggetto visivo: Infografica in lingua russa che mostra il processo ricerca per parola chiave → selezione del video → richiesta dei commenti](https://jsonscraper.com/assets/uploads/journal/2026/11/0fd7e8fd8c3e0ddec431e375056cca1b.png.hero.webp)

Lo schema distingue i passaggi di raccolta documentati dalla normalizzazione da effettuare dopo aver verificato la risposta reale.© jsonscraper · illustrazione generata con IA

 

1. **Ricerca:** richiedi video usando una frase chiave e verifica entrambe le strutture di risultato supportate.
2. **Selezione:** scegli i video pertinenti e salva gli ID e gli URL.
3. **Raccolta dei commenti:** passa gli URL all’endpoint dei commenti; per continuare la paginazione, usa il cursore restituito.
4. **Verifica:** salva il JSON grezzo e determina i nomi effettivi dei campi dalla risposta.
5. **Analisi:** dopo aver verificato lo schema, raggruppa i testi e sottoponi alcuni esempi a revisione umana.

 

Schema: ricerca di video TikTok, selezione dei video, richiesta dei commenti, salvataggio del JSON originale, verifica della struttura ed etichettatura manuale dei temi

Salva prima la risposta completa; aggiungi la normalizzazione dopo aver verificato i campi effettivi.

 

## Quali endpoint usare

 

La [documentazione di TikTok Scraper API](https://github.com/jsonscraper/tiktok-api-python/blob/main/docs/endpoints.md) descrive `GET /searchVideo`, che richiede il parametro `keyword`. I parametri aggiuntivi includono `count`, `cursor`, `date_posted`, `sort_by` e `region`. Per i commenti è disponibile `GET /getCommentsByUrl`, che richiede `video_url`; tra i parametri aggiuntivi sono indicati `cursor`, `count` e `region`. La chiave viene passata tramite il parametro `license_key`.

 

Nella risposta di ricerca, i video possono trovarsi in `tiktok.aweme_list` oppure in `tiktok.search_item_list[].aweme_info`. L’esempio gestisce entrambe le forme, verifica lo stato esterno e salva gli oggetti trovati. Per la risposta dei commenti non presume né il nome dell’array né quello dei campi: salva e stampa il JSON ricevuto, così che sia possibile esaminarlo.

 

## Un raccoglitore essenziale in Python

 

Il codice è compatibile con Python 3.8 e versioni successive. Installa `requests` e imposta la chiave nella variabile d’ambiente `JSONSCRAPER_TIKTOK_LICENSE_KEY`. Lo script scrive le risposte di ricerca e quelle dei commenti in file JSON distinti, associando ogni risposta dei commenti alla query e all’URL del video. I campi dei commenti non vengono estratti finché non è stata verificata la struttura effettiva della risposta.



![Articolo: Come trasformare i commenti di TikTok in una coda di bug di prodotto
Riepilogo: Una pipeline Python collega la ricerca di video TikTok alla richiesta dei commenti tramite jsonscraper. L’esempio salva e stampa il JSON grezzo senza presumere in anticipo i nomi dei campi dei commenti.
Ruolo dell’immagine: copertina — l’idea centrale
Sezione: Un raccoglitore essenziale in Python
Soggetto visivo: Fotografia editoriale documentaristica di una risposta JSON grezza stampata accanto a schede che rappresentano URL di video e commenti, disposte per un team di prodotto](https://jsonscraper.com/assets/uploads/journal/2026/11/90f31ffdc4a020d2bacccfeef5317f4e.png.hero.webp)

La risposta grezza conserva i dati originali, così da poterne verificare la struttura prima della normalizzazione.© jsonscraper · creato con l’IA

 

```
import json
import os
from pathlib import Path

import requests

BASE = "https://tiktok.evelode.com"
KEY = os.environ["JSONSCRAPER_TIKTOK_LICENSE_KEY"]
OUT = Path("tiktok_raw")
OUT.mkdir(exist_ok=True)


def get_json(path, params):
    response = requests.get(
        BASE + path,
        params={**params, "license_key": KEY},
        timeout=30,
    )
    response.raise_for_status()
    data = response.json()
    if data.get("status") != "ok":
        raise RuntimeError("API returned non-ok status")
    return data


def videos_from_search(data):
    tiktok = data.get("tiktok") or {}
    found = list(tiktok.get("aweme_list") or [])
    for item in tiktok.get("search_item_list") or []:
        aweme = (item or {}).get("aweme_info") or {}
        if aweme:
            found.append(aweme)

    unique = {}
    for video in found:
        video_id = video.get("aweme_id")
        video_url = video.get("share_url")
        if video_id and video_url:
            unique[video_id] = video
    return list(unique.values())


for index, keyword in enumerate(("APP_NAME ошибка", "APP_NAME не работает")):
    search = get_json("/searchVideo", {"keyword": keyword, "count": 10})
    (OUT / f"search_{index}.json").write_text(
        json.dumps(search, ensure_ascii=False, indent=2), encoding="utf-8"
    )

    for video in videos_from_search(search):
        video_id = video["aweme_id"]
        video_url = video["share_url"]
        comments = get_json(
            "/getCommentsByUrl",
            {"video_url": video_url, "count": 30},
        )
        filename = f"comments_{video_id}.json"
        record = {
            "keyword": keyword,
            "video_id": video_id,
            "video_url": video_url,
            "response": comments,
        }
        (OUT / filename).write_text(
            json.dumps(record, ensure_ascii=False, indent=2), encoding="utf-8"
        )
        print(json.dumps(record, ensure_ascii=False, indent=2))
```

 

Lo script controlla lo stato esterno della risposta e poi scrive l’intero oggetto JSON. In questo modo è possibile esaminare le chiavi effettive, i tipi di valore e i livelli di annidamento prima di creare una tabella dei commenti. Se l’API restituisce un errore, il codice si interrompe e lo segnala invece di salvare silenziosamente un risultato non valido.

 

## Dal JSON grezzo a una coda di temi

 

Dopo aver verificato una o più risposte, crea un normalizzatore basato sullo schema effettivamente rilevato. Conserva il JSON originale accanto alle righe normalizzate, così da poter verificare la trasformazione e rielaborare i dati se il codice cambia. È utile mantenere nel record il link al video, il record originale del commento, l’ora di raccolta e la versione della regola di etichettatura applicata.

 

Per l’etichettatura dei temi, puoi iniziare con categorie come «errore», «domanda sull’uso», «richiesta di funzionalità», «feedback» e «non pertinente al prodotto». Le regole basate su parole chiave o un classificatore possono aiutare a ordinare il campione; conserva l’etichetta assegnata separatamente dal testo originale. Prima di aprire un’attività, uno specialista dovrebbe verificare il contesto del commento e il video originale.

 

Per deduplicare, usa un campo identificativo solo dopo averne confermato la presenza nella risposta. Se i dati non contengono un identificatore, una chiave temporanea può combinare l’URL del video e il testo normalizzato: questo metodo raggruppa formulazioni identiche all’interno dello stesso video, ma non dimostra che i record appartengano allo stesso autore.

 

## Automazione e provenienza dei dati

 

Esegui la raccolta secondo una pianificazione tramite cron, GitHub Actions o n8n. Conserva la chiave nei segreti dell’ambiente di esecuzione e non inserirla nel repository, nei file dei risultati o nei log. Mantieni le risposte JSON originali disponibili per la verifica; stabilisci tempi di conservazione e autorizzazioni in base alle esigenze del team e alle regole della piattaforma applicabili.

 

Per monitorare il funzionamento della pipeline, registra il numero di ricerche completate con successo, di video unici trovati, di risposte dei commenti salvate e di errori API. Queste metriche tecniche mostrano in quale fase è cambiato il risultato. Una risposta vuota, una richiesta non riuscita e l’assenza di corrispondenze dopo la classificazione tematica sono condizioni diverse: registrale separatamente.

 

Per il database, conviene separare le entità relative alle raccolte, ai video, alle risposte originali dei commenti e alle decisioni di etichettatura. Il collegamento alla query e al video permette di aprire la fonte per una verifica manuale. Una volta confermato lo schema, puoi aggiungere la paginazione con cursore: l’endpoint accetta `cursor` e la richiesta successiva deve trasmettere il valore restituito dall’API senza tentare di interpretarlo.

 

## Vantaggi di questo approccio

 

Il team ottiene un processo di raccolta ripetibile e un insieme di fonti verificabili da cui costruire una coda di temi. L’analista può risalire dalla query di ricerca al video e alla risposta dei commenti salvata. Dopo aver verificato la struttura, chi sviluppa potrà aggiungere la normalizzazione e il raggruppamento tematico senza basarsi su supposizioni riguardo a uno schema sconosciuto.

 

Nel report, indica le frasi di ricerca, la data di esecuzione, i criteri di selezione e il numero di risposte elaborate. Le conclusioni si riferiscono alle query specifiche e ai dati restituiti; aiutano a esaminare le conversazioni individuate e a pianificare le verifiche, mantenendone provenienza e contesto.

 

Inizia con un prodotto e alcune query diagnostiche: salva le risposte, verifica la struttura dei commenti e aggiungi al normalizzatore soltanto i campi confermati. I parametri degli endpoint sono descritti nella [documentazione dell’API](https://github.com/jsonscraper/tiktok-api-python/blob/main/docs/endpoints.md), mentre le informazioni sul prodotto sono disponibili nella pagina [TikTok Scraper API](https://jsonscraper.com/services/tiktok-scraper-api).
