# Så omvandlar du TikTok-kommentarer till en kö för produktbuggar

https://jsonscraper.com/sv/blog/omvandla-tiktok-kommentarer-till-produktbuggar

Author: Michael Johnson

Published: 2026-11-18T11:46:21+00:00

Updated: 2026-11-18T11:46:21+00:00

Samla in offentliga kommentarer från utvalda videor och spara den ursprungliga JSON-datan för att kontrollera svarens faktiska struktur innan du kategoriserar ämnen.

För att undersöka en diskussion om ett problem på TikTok söker du först efter relevanta videor och hämtar sedan kommentarer till varje vald video. För ett produktteam kan resultatet bli en uppsättning ursprungliga JSON-svar som är kopplade till sökningen och videolänken. Kontrollera kommentarernas faktiska struktur innan du skapar en ämneskö: dokumentationen bekräftar slutpunkten och dess parametrar, men beskriver inte fälten i svarsposterna.

 

Det här är ett viktigt steg i en analysprocess. Sökträffarna hjälper till att samla in sammanhang om produkten, och kommentarerna kan innehålla felrapporter, frågor eller kringlösningar. För att klassificeringen ska bygga på verkliga data bör du först spara API-svaret utan att omvandla det och sedan jämföra fälten med det schema som faktiskt returnerades.

 

## Varför det inte räcker att söka efter videor

 

Namnet på en app eller enhet hjälper dig att hitta videor, men videobeskrivningen visar främst hur skaparen uttrycker sig. Tittare kan diskutera specifika fel och användningssätt i kommentarerna. Därför tillför insamlingen av kommentarer ett andra datalager till sökurvalet, kopplat till den ursprungliga videon.

 

Tidigare artiklar har behandlat övervakning av TikToks sökningar, utvinning av frågor ur beskrivningar och bearbetning av söksvar. Här är uppgiften mer avgränsad: samla in svar från kommentarsrutten och kontrollera deras struktur innan du utvecklar en klassificering. Det är användbart för utvecklare av analysintegrationer, UX-forskare och supportteam.

 

## Från sökfras till verifierbart dataset

 

Ange några konkreta sökfrågor, till exempel produktnamnet tillsammans med en funktions- eller modellbeteckning. Spara söksvaret och URL:erna till de valda videorna. Hämta sedan kommentarer med hjälp av URL:erna och spara varje ursprungligt svar separat. När du har kontrollerat schemat kan du normalisera de fält du behöver, ta bort dubbletter och gruppera texterna efter ämne.



![Artikel: Så omvandlar du TikTok-kommentarer till en kö för produktbuggar
Sammanfattning: En Python-pipeline kopplar sökning efter TikTok-videor till kommentarer via jsonscraper. Exemplet sparar och visar rå JSON utan att på förhand anta vad kommentarsfälten heter.
Bildens roll: Stödillustration 2 – en annan specifik aspekt
Avsnitt: Från sökfras till verifierbart dataset
Visuellt motiv: Processinfografik på ryska som visar sökord → val av video → kommentarshämtning](https://jsonscraper.com/assets/uploads/journal/2026/11/0fd7e8fd8c3e0ddec431e375056cca1b.png.hero.webp)

Diagrammet skiljer dokumenterade insamlingssteg från normalisering efter kontroll av det faktiska svaret.© jsonscraper · AI-genererad illustration

 

1. **Sökning:** sök efter videor med en nyckelfras och kontrollera båda resultatstrukturerna som stöds.
2. **Urval:** välj relevanta videor och spara deras ID:n och URL:er.
3. **Kommentarshämtning:** skicka URL:en till kommentarsrutten; använd den returnerade markören för att fortsätta pagineringen.
4. **Kontroll:** spara rå JSON och fastställ de faktiska fältnamnen utifrån svaret.
5. **Analys:** gruppera texterna när schemat har verifierats och låt en människa granska exempel.

 

Diagram: sökning efter TikTok-videor, urval av videor, hämtning av kommentarer, sparande av ursprunglig JSON, kontroll av strukturen och manuell ämnesklassificering

Spara först hela svaret; lägg till normalisering efter kontroll av de faktiska fälten.

 

## Vilka slutpunkter ska användas?

 

[Dokumentationen för TikTok Scraper API](https://github.com/jsonscraper/tiktok-api-python/blob/main/docs/endpoints.md) beskriver `GET /searchVideo` med den obligatoriska parametern `keyword`. Ytterligare parametrar är bland annat `count`, `cursor`, `date_posted`, `sort_by` och `region`. För kommentarer finns `GET /getCommentsByUrl` med den obligatoriska parametern `video_url`; de valfria parametrarna omfattar `cursor`, `count` och `region`. Nyckeln skickas i parametern `license_key`.

 

I söksvaret kan videor finnas under `tiktok.aweme_list` eller `tiktok.search_item_list[].aweme_info`. Exemplet hanterar båda formerna, kontrollerar den yttre statusen och sparar de videor som hittas. För kommentarsvaret antar det varken namnet på en lista eller namnen på fälten: det sparar och visar den mottagna JSON-datan så att den kan kontrolleras.

 

## En minimal insamlare i Python

 

Koden fungerar med Python 3.8 och senare. Installera `requests` och ange nyckeln i miljövariabeln `JSONSCRAPER_TIKTOK_LICENSE_KEY`. Skriptet skriver sök- och kommentarsvar till separata JSON-filer och kopplar varje kommentarsvar till sökfrågan och video-URL:en. Kommentarsfält hämtas avsiktligt inte ut förrän du har kontrollerat svarens faktiska struktur.



![Artikel: Så omvandlar du TikTok-kommentarer till en kö för produktbuggar
Sammanfattning: En Python-pipeline kopplar sökning efter TikTok-videor till kommentarer via jsonscraper. Exemplet sparar och visar rå JSON utan att på förhand anta vad kommentarsfälten heter.
Bildens roll: Omslagsbild – huvudidén
Avsnitt: En minimal insamlare i Python
Visuellt motiv: Redaktionellt dokumentärfoto av ett utskrivet rått JSON-svar bredvid kort som representerar video-URL:er och kommentarer, ordnade för ett produktteam](https://jsonscraper.com/assets/uploads/journal/2026/11/90f31ffdc4a020d2bacccfeef5317f4e.png.hero.webp)

Råsvaret bevarar ursprungsdata så att strukturen kan kontrolleras före normalisering.© jsonscraper · skapad med 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))
```

 

Skriptet kontrollerar svarens yttre status och skriver sedan hela JSON-objektet. På så sätt kan du granska verkliga nycklar, värdetyper och nästling innan du skapar en tabell med kommentarer. Om API:et returnerar ett fel avbryts koden och rapporterar det i stället för att tyst spara ett ogiltigt resultat.

 

## Från rå JSON till en ämneskö

 

När du har kontrollerat ett eller flera svar skapar du en normaliserare utifrån det schema du faktiskt har sett. Spara den ursprungliga JSON-datan tillsammans med de normaliserade raderna, så att du kan granska omvandlingen och bearbeta data på nytt om koden ändras. Det är användbart att spara videolänken, den ursprungliga kommentaren, insamlingstidpunkten och versionen av den klassificeringsregel som användes.

 

För ämnesklassificering kan du börja med etiketter som ”fel”, ”fråga om användning”, ”funktionsönskemål”, ”omdöme” och ”inte produktrelaterat”. Nyckelordsregler eller en klassificerare kan hjälpa till att sortera urvalet; spara den tilldelade etiketten separat från originaltexten. Innan en uppgift skapas bör en specialist granska kommentarskontexten och originalvideon.

 

Använd ett ID-fält för deduplicering först när du har bekräftat att det finns i svaret. Om datan saknar ett ID kan en kombination av video-URL och normaliserad text användas som tillfällig nyckel. Det slår ihop identiska formuleringar inom en video, men fastställer inte att posterna kommer från samma användare.

 

## Automatisering och dataproveniens

 

Kör insamlingen enligt ett schema med cron, GitHub Actions eller n8n. Förvara nyckeln bland körmiljöns hemligheter och ta inte med den i versionshanteringen, resultatfiler eller loggar. Behåll de ursprungliga JSON-svaren tillgängliga för granskning och ange en lagringsperiod och åtkomstbehörigheter i enlighet med teamets krav och plattformens tillämpliga regler.

 

För att övervaka pipelinen kan du registrera antalet lyckade sökningar, unika videor som hittats, sparade kommentarsvar och API-fel. Dessa tekniska mätvärden visar i vilket steg resultatet förändrades. Ett tomt svar, ett förfrågningsfel och inga träffar efter ämnesklassificering är olika tillstånd, så spara dem separat.

 

För en databas är det praktiskt att skilja mellan insamlingar, videor, ursprungliga kommentarsvar och klassificeringsbeslut. Kopplingen till sökfrågan och videon gör det möjligt att öppna källan för manuell granskning. När schemat har bekräftats kan du lägga till paginering med markörer: slutpunkten tar emot `cursor`, och nästa förfrågan ska skicka vidare värdet som API:et returnerade utan att försöka tolka det.

 

## Vad metoden ger

 

Teamet får en upprepningsbar insamlingsprocess och en verifierbar uppsättning källor som kan ligga till grund för en ämneskö. Analytikern kan följa vilken sökfråga som ledde till videon och vilket kommentarsvar som sparades. När strukturen har kontrollerats kan utvecklaren lägga till normalisering och ämnesgruppering utan att ersätta ett okänt schema med antaganden.

 

Ange sökfraser, kördatum, urvalskriterier och antal bearbetade svar i rapporten. Slutsatserna gäller de specifika sökfrågorna och den data som returnerades; de hjälper till att undersöka upptäckta diskussioner och planera granskning samtidigt som ursprung och sammanhang bevaras.

 

Börja med en produkt och några diagnostiska sökfrågor: spara svaren, kontrollera kommentarsstrukturen och lägg sedan bara till verifierade fält i normaliseraren. Parametrarna för slutpunkterna beskrivs i [API-dokumentationen](https://github.com/jsonscraper/tiktok-api-python/blob/main/docs/endpoints.md), och produktinformation finns på sidan för [TikTok Scraper API](https://jsonscraper.com/services/tiktok-scraper-api).
