# Jak przekształcić komentarze na TikToku w kolejkę błędów produktu

https://jsonscraper.com/pl/blog/przeksztalc-komentarze-tiktok-kolejka-bledow-produktu

Author: Michael Johnson

Published: 2026-11-18T11:45:20+00:00

Updated: 2026-11-18T11:45:20+00:00

Zbierz publiczne komentarze do wybranych filmów i zachowaj surowy JSON, aby sprawdzić rzeczywistą strukturę odpowiedzi przed oznaczaniem tematów.

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.



![Artykuł: Jak przekształcić komentarze na TikToku w kolejkę błędów produktu
Podsumowanie: Potok w Pythonie łączy wyszukiwanie filmów na TikToku z pobieraniem komentarzy przez jsonscraper. Przykład zapisuje i wyświetla surowy JSON, nie zakładając z góry nazw pól komentarzy.
Rola obrazu: ilustracja uzupełniająca 2 — inny konkretny aspekt
Sekcja: Od frazy wyszukiwania do weryfikowalnego zbioru danych
Temat wizualny: Infografika po rosyjsku przedstawiająca proces: wyszukiwanie słów kluczowych → wybór filmu → pobranie komentarzy](https://jsonscraper.com/assets/uploads/journal/2026/11/0fd7e8fd8c3e0ddec431e375056cca1b.png.hero.webp)

Schemat oddziela udokumentowane etapy pobierania od normalizacji, którą należy przeprowadzić po sprawdzeniu rzeczywistej odpowiedzi.© jsonscraper · ilustracja wygenerowana przez AI

 

1. **Wyszukiwanie:** wyszukaj filmy według frazy kluczowej i sprawdź obie obsługiwane struktury wyniku.
2. **Wybór:** wybierz odpowiednie filmy i zachowaj ich identyfikatory oraz adresy URL.
3. **Pobieranie komentarzy:** przekaż adres URL do trasy komentarzy; aby kontynuować paginację, użyj zwróconego kursora.
4. **Weryfikacja:** zachowaj surowy JSON i ustal rzeczywiste nazwy pól na podstawie odpowiedzi.
5. **Analiza:** po sprawdzeniu schematu pogrupuj teksty i przekaż przykłady do weryfikacji przez człowieka.

 

Schemat: wyszukiwanie filmów na TikToku, wybór nagrań, pobranie komentarzy, zapis surowego JSON, weryfikacja struktury i ręczne oznaczanie tematów

Najpierw zachowaj całą odpowiedź; normalizację dodaj dopiero po sprawdzeniu rzeczywistych pól.

 

## Jakich tras używać

 

[Dokumentacja TikTok Scraper API](https://github.com/jsonscraper/tiktok-api-python/blob/main/docs/endpoints.md) 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.



![Artykuł: Jak przekształcić komentarze na TikToku w kolejkę błędów produktu
Podsumowanie: Potok w Pythonie łączy wyszukiwanie filmów na TikToku z pobieraniem komentarzy przez jsonscraper. Przykład zapisuje i wyświetla surowy JSON, nie zakładając z góry nazw pól komentarzy.
Rola obrazu: ilustracja główna — centralna idea
Sekcja: Prosty skrypt pobierający dane w Pythonie
Temat wizualny: Reportażowa fotografia redakcyjna przedstawiająca wydruk surowej odpowiedzi JSON obok kart symbolizujących adresy URL filmów i komentarze, ułożonych dla zespołu produktowego](https://jsonscraper.com/assets/uploads/journal/2026/11/90f31ffdc4a020d2bacccfeef5317f4e.png.hero.webp)

Surowa odpowiedź zachowuje dane źródłowe, dzięki czemu można sprawdzić ich strukturę przed normalizacją.© jsonscraper · ilustracja wygenerowana przez AI

 

```
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](https://github.com/jsonscraper/tiktok-api-python/blob/main/docs/endpoints.md), a informacje o produkcie znajdują się na stronie [TikTok Scraper API](https://jsonscraper.com/services/tiktok-scraper-api).
