Aby zbadać dyskusję o problemie na TikToku, najpierw znajdź odpowiednie filmy, a następnie pobierz komentarze do każdego wybranego nagrania. Dla zespołu produktowego wynikiem może być zestaw surowych odpowiedzi JSON powiązanych z zapytaniem i adresem URL filmu. Zanim utworzysz kolejkę tematów, sprawdź rzeczywistą strukturę komentarzy: dokumentacja potwierdza trasę i jej parametry, ale nie opisuje pól rekordów w odpowiedzi.
To ważny etap potoku analitycznego. Wyniki wyszukiwania pomagają zebrać kontekst dotyczący produktu, a komentarze mogą zawierać zgłoszenia błędów, pytania lub opisy sposobów obejścia problemu. Aby klasyfikacja opierała się na rzeczywistych danych, najpierw zachowaj odpowiedź API bez przekształceń, a następnie dopasuj pola do faktycznie otrzymanego schematu.
Dlaczego samo wyszukiwanie filmów nie wystarczy
Nazwa aplikacji lub urządzenia pomaga znaleźć filmy, ale ich opisy pokazują przede wszystkim sposób, w jaki autor przedstawia temat. Widzowie mogą omawiać konkretne usterki i sposoby użytkowania w komentarzach. Dlatego pobieranie komentarzy dodaje do wyników wyszukiwania drugi poziom danych powiązanych z oryginalnym filmem.
We wcześniejszych materiałach omawiano monitorowanie wyszukiwania na TikToku, wyodrębnianie pytań z opisów i przetwarzanie odpowiedzi wyszukiwania. Tutaj zakres jest węższy: chodzi o pobranie odpowiedzi z trasy komentarzy i sprawdzenie ich struktury przed opracowaniem klasyfikacji. To przydatne dla programistów integracji analitycznych, badaczy doświadczeń użytkowników i zespołów wsparcia.
Od frazy wyszukiwania do weryfikowalnego zbioru danych
Wybierz kilka konkretnych zapytań, na przykład nazwę produktu wraz z nazwą funkcji lub modelu. Zapisz odpowiedź wyszukiwania i adresy URL wybranych filmów. Następnie pobierz komentarze na podstawie adresów URL, zapisując każdą surową odpowiedź osobno. Po sprawdzeniu schematu możesz normalizować potrzebne pola, usuwać duplikaty i grupować teksty według tematów.

- Wyszukiwanie: wyszukaj filmy według frazy kluczowej i sprawdź obie obsługiwane struktury wyniku.
- Wybór: wybierz odpowiednie filmy i zachowaj ich identyfikatory oraz adresy URL.
- Pobieranie komentarzy: przekaż adres URL do trasy komentarzy; aby kontynuować paginację, użyj zwróconego kursora.
- Weryfikacja: zachowaj surowy JSON i ustal rzeczywiste nazwy pól na podstawie odpowiedzi.
- Analiza: po sprawdzeniu schematu pogrupuj teksty i przekaż przykłady do weryfikacji przez człowieka.
Jakich tras używać
Dokumentacja TikTok Scraper API opisuje GET /searchVideo z wymaganym parametrem keyword. Dodatkowe parametry obejmują count, cursor, date_posted, sort_by i region. Do pobierania komentarzy służy GET /getCommentsByUrl z wymaganym video_url; wśród dodatkowych parametrów wymieniono cursor, count i region. Klucz przekazuje się w parametrze license_key.
W odpowiedzi wyszukiwania filmy mogą znajdować się w tiktok.aweme_list lub w tiktok.search_item_list[].aweme_info. Przykład obsługuje obie postacie, sprawdza status zewnętrzny i zapisuje znalezione obiekty. W przypadku odpowiedzi z komentarzami nie zakłada nazwy tablicy ani nazw pól: zapisuje i wyświetla otrzymany JSON, aby można go było sprawdzić.
Prosty skrypt pobierający dane w Pythonie
Kod jest zgodny z Pythonem 3.8 lub nowszym. Zainstaluj requests i ustaw klucz w zmiennej środowiskowej JSONSCRAPER_TIKTOK_LICENSE_KEY. Skrypt zapisuje odpowiedzi wyszukiwania i komentarzy w osobnych plikach JSON, wiążąc każdą odpowiedź z komentarzami z zapytaniem i adresem URL filmu. Pola komentarzy celowo nie są wyodrębniane, dopóki nie sprawdzisz rzeczywistej struktury odpowiedzi.

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))
Skrypt sprawdza zewnętrzny status odpowiedzi, a następnie zapisuje cały obiekt JSON. Dzięki temu można obejrzeć rzeczywiste klucze, typy wartości i zagnieżdżenie przed utworzeniem tabeli komentarzy. Jeśli API zwróci błąd, kod zatrzymuje się i zgłasza go zamiast po cichu zapisywać nieprawidłowy wynik.
Jak przejść od surowego JSON-u do kolejki tematów
Po sprawdzeniu jednej lub kilku odpowiedzi przygotuj normalizator zgodny z faktycznie wykrytym schematem. Zachowuj surowy JSON obok znormalizowanych wierszy, aby móc zweryfikować przekształcenie i ponownie przetworzyć dane po zmianie kodu. Warto zachować w rekordzie adres URL filmu, oryginalny wpis komentarza, czas pobrania i wersję zastosowanej reguły oznaczania.
Na początek możesz zastosować etykiety tematyczne, takie jak „błąd”, „pytanie o użytkowanie”, „prośba o nową funkcję”, „opinia” i „nie dotyczy produktu”. Reguły oparte na słowach kluczowych lub klasyfikator pomagają uporządkować zbiór; przypisaną etykietę przechowuj oddzielnie od oryginalnego tekstu. Zanim powstanie zadanie, specjalista powinien sprawdzić kontekst komentarza i oryginalny film.
Przy usuwaniu duplikatów korzystaj z pola identyfikatora dopiero po potwierdzeniu, że występuje w odpowiedzi. Jeśli w danych nie ma identyfikatora, tymczasowym kluczem może być połączenie adresu URL filmu ze znormalizowanym tekstem; metoda ta łączy identyczne sformułowania w obrębie jednego filmu, ale nie pozwala ustalić, czy wpisy pochodzą od tego samego autora.
Automatyzacja i pochodzenie danych
Uruchamiaj pobieranie według harmonogramu za pomocą cron, GitHub Actions lub n8n. Przechowuj klucz w sekretach środowiska wykonawczego i nie umieszczaj go w repozytorium, plikach wynikowych ani dziennikach. Zachowuj surowe odpowiedzi JSON do weryfikacji; określ czas przechowywania i uprawnienia dostępu zgodnie z wymaganiami zespołu oraz obowiązującymi zasadami platformy.
Aby monitorować działanie potoku, zapisuj liczbę udanych zapytań wyszukiwania, znalezionych unikalnych filmów, zapisanych odpowiedzi z komentarzami i błędów API. Te wskaźniki techniczne pokazują, na którym etapie zmienił się wynik. Pusta odpowiedź, błąd zapytania i brak dopasowań po klasyfikacji tematycznej to różne stany, dlatego zapisuj je oddzielnie.
W bazie danych warto rozdzielić encje pobierania, filmów, surowych odpowiedzi z komentarzami i decyzji dotyczących oznaczania tematów. Powiązanie z zapytaniem i filmem pozwoli otworzyć źródło do ręcznej weryfikacji. Po potwierdzeniu schematu możesz dodać paginację opartą na kursorze: trasa przyjmuje cursor, a w kolejnym zapytaniu należy przekazać wartość zwróconą przez API, nie próbując jej interpretować.
Co daje takie podejście
Zespół otrzymuje powtarzalny proces pobierania i weryfikowalny zestaw źródeł, na podstawie którego można utworzyć kolejkę tematów. Analityk może prześledzić, które zapytanie wyszukiwania doprowadziło do filmu i która odpowiedź z komentarzami została zapisana. Po sprawdzeniu struktury programista może dodać normalizację i grupowanie tematyczne bez zastępowania nieznanego schematu domysłami.
W raporcie podawaj frazy wyszukiwania, datę uruchomienia, kryteria wyboru i liczbę przetworzonych odpowiedzi. Wnioski dotyczą konkretnych zapytań i zwróconych danych; pomagają badać znalezione dyskusje i planować dalszą weryfikację, z zachowaniem ich pochodzenia i kontekstu.
Zacznij od jednego produktu i kilku diagnostycznych zapytań: zapisz odpowiedzi, sprawdź strukturę komentarzy, a następnie dodaj do normalizatora tylko potwierdzone pola. Parametry tras opisano w dokumentacji API, a informacje o produkcie znajdują się na stronie TikTok Scraper API.