Michael JohnsonPazarlama ekibi TikTok’ta yeni bir ürünle ilgili videoların yayımlandığını fark ediyor, ancak her gün birden fazla hashtag’i elle kontrol etmek zor. Paylaşımları ve görünür ölçümleri zaman içinde karşılaştırmak için zaman damgası, ham yanıt arşivi ve değişiklik kontrolleri içeren tekrarlanabilir bir toplama süreci gerekir.
Böyle bir prototip için jsonscraper’ın TikTok Scraper API’si uygundur: ürün sayfasında hashtag, kullanıcı, video ve arama uç noktaları listeleniyor. İlk adım, Postman’da gerekli uç noktayı ve yanıt biçimini doğrulamak, ardından doğrulanmış yapılandırmayı Python’a aktarmaktır. Böylece yalnızca yanıtta gerçekten bulunan alanları çıkaran, tekrarlanabilir bir süreç kurabilirsiniz.
Görev: tek bir popüler video yerine eğilimi görmek
Çok sayıda görüntülenmeye sahip tek bir paylaşım dikkat çekebilir; ancak kampanya planlaması için konuyla ilgili kaç yeni video bulunduğunu ve daha önce bulunan paylaşımların herkese açık ölçümlerinin nasıl değiştiğini anlamak daha yararlıdır. Örneğin bir spor malzemeleri çevrimiçi mağazası, belirli bir antrenman türüyle ilgili içerikler hazırlamadan önce bu konudaki video akışını değerlendirmek isteyebilir.
Elle kontrol etmek karşılaştırmayı zorlaştırır: sonuç kümesi değişir, ölçümler artar ve çalışanlar bunları farklı biçimlerde kaydedebilir. Her çalıştırmanın anlık görüntüsünü toplama zamanı ve ham JSON ile birlikte saklamak, ekibin kendi gözlem geçmişini oluşturmasını ve analiz şeması değiştiğinde verileri yeniden işlemesini sağlar.
Otomasyon birkaç adımdan oluşur: uç noktayı ve parametreleri doğrulamak, verileri zamanlanmış şekilde istemek, yanıtı kaydetmek, yapısını doğrulamak ve ardından gerekli alanları çıkarmak. Elde edilen tablo grafiklerde, konu sınıflandırmasında veya raporlarda kullanılabilir.
API belgelerinin doğruladıkları
TikTok Scraper API sayfasında temel adres https://tiktok.evelode.com olarak belirtiliyor ve Hashtag sınıfındaki uç noktalar listeleniyor: GET /getHashtagInfo, GET /getHashtagFeed ve GET /getHashtagFeedByID. Sayfada ayrıca başka bir uç noktaya license_key parametresiyle yapılan istek örneği gösteriliyor ve Postman koleksiyonunda anahtarın nasıl ayarlanacağı açıklanıyor.
GET /getHashtagFeed için resmî uç nokta belirtimi, zorunlu query parametresini (hashtag URL’si veya etiket adı) ve isteğe bağlı cursor, count, region ve cache_timeout parametrelerini belirtiyor. Akış yanıtında tiktok.aweme_list dizisi bekleniyor; listelenen öğe alanları arasında aweme_id, desc, create_time, share_url, yazar verileri ve statistics bulunuyor. Bazı alanlar yanıtta yer almayabilir; bu nedenle işlemeden önce gerçek JSON’u kontrol edin.
jsonscraper’ın Postman koleksiyonunda bir deneme isteği gönderip gerçek yanıtı kontrol edebilir ve kodu daha sonra doğrulamak için bir test örneği edinebilirsiniz. Kimlik doğrulama için license_key iletilir; anahtarı ortam değişkeninde saklayın ve günlük kayıtlarına yazdırmayın.
Önce isteği Postman’da doğrulayın
Tek bir test hashtagiyle başlayın. Koleksiyonda hashtag akışı uç noktasını seçin, license_key değerini belgelerde belirtilen yöntemle ayarlayın ve etiket adını query parametresine girin. Gerekirse count ve ülke kodunu region parametresine ekleyin. İsteği gönderin ve HTTP durumunu, üst düzeydeki status alanını ve tiktok.aweme_list içeriğini kontrol edin.
Başarılı yanıtı test JSON dosyası olarak kaydedin. Dosyayı kullanarak gönderi kimliği, açıklama, yayımlanma zamanı, bağlantı ve istatistiklerin bulunup bulunmadığını kontrol edin. Bir alanı analiz şemasına ancak doğru türde geldiğini doğruladıktan sonra ekleyin.
API anahtarını kaynak dosyada değil, ortam değişkeninde saklayın. Anahtar URL’de iletiliyorsa tam adresin günlük kayıtlarına girmemesi için istek kaydederken anahtarı maskeleyin.
İstek ve arşivleme için Python istemcisi
Aşağıdaki uç nokta ve parametre adları yayımlanmış belirtime uygundur: hashtag için query kullanılır, kimlik doğrulama ise license_key ile yapılır. Örnek Python 3.8+ ile uyumludur ve ham yanıtı çalıştırma metaverileriyle birlikte kaydeder.
import json
import os
from datetime import datetime, timezone
from pathlib import Path
import requests
BASE_URL = "https://tiktok.evelode.com"
API_KEY = os.environ["JSONSCRAPER_TIKTOK_LICENSE_KEY"]
def fetch_hashtag_feed(hashtag: str) -> dict:
params = {
"license_key": API_KEY,
"query": hashtag,
"count": 20,
}
response = requests.get(
f"{BASE_URL}/getHashtagFeed",
params=params,
timeout=45,
)
response.raise_for_status()
payload = response.json()
if payload.get("status") != "ok":
raise RuntimeError("API, ok dışında bir durum döndürdü")
return payload
def archive_response(hashtag: str, payload: dict) -> Path:
collected_at = datetime.now(timezone.utc).isoformat()
safe_tag = hashtag.lstrip("#").replace("/", "_")
output_dir = Path("data/raw") / safe_tag
output_dir.mkdir(parents=True, exist_ok=True)
filename = datetime.now(timezone.utc).strftime("%Y%m%dT%H%M%SZ.json")
file_path = output_dir / filename
file_path.write_text(
json.dumps(
{
"hashtag": hashtag,
"collected_at": collected_at,
"response": payload,
},
ensure_ascii=False,
indent=2,
),
encoding="utf-8",
)
return file_path
if __name__ == "__main__":
tag = "#ornek konu"
payload = fetch_hashtag_feed(tag)
saved_path = archive_response(tag, payload)
print(f"Arşiv kaydedildi: {saved_path}")
Çalıştırmadan önce JSONSCRAPER_TIKTOK_LICENSE_KEY ortam değişkenini ayarlayın. İstek, doğrulanmış query parametresini kullanır ve istenen öğe sayısını count ile sınırlar. Yanıtta HTTP durumu ve JSON durum değeri kontrol edilir; arşiv, daha sonraki işlemler için gerçek verileri saklar. Zamanlama ve analiz eklemeden önce tek bir hashtag ile çalıştırmayı doğrulayın.
Dayanıksız varsayımlardan kaçınarak normalleştirme ekleme
Uç nokta belgeleri, akış yanıtında tiktok.aweme_list dizisinin bulunduğunu belirtiyor. Dönüştürme işleminden önce tiktok alanının bir nesne, aweme_list alanının da liste olduğunu doğrulayın. Her öğeden yalnızca doğrulanmış alanları çıkarın; örneğin aweme_id, desc, create_time, share_url ve varsa statistics değerleri.
Dahili tablo; sorgu hashtag’ini, toplama zamanını, video kimliğini ve seçilen ölçümleri içerebilir. İsteğe bağlı ya da eksik bir ölçüm için boş değer saklayın: ölçümün bulunmaması, sıfır olarak ölçülmesinden farklıdır. Yeni bir istek göndermeden tabloyu yeniden oluşturabilmek için ham yanıtları ayrı yerde tutun.
Yanıt biçimi değişirse tür denetimi, hatalı işlemeyi durdurmalı ve tanılayıcı bir ileti oluşturmalıdır. Bilinen şemanın yeni kod sürümüyle de işlenebildiğini kontrol etmek için test JSON’unu ayrıştırıcı testinin yanında saklayın.
Tekrarlanan gözlemlere dayalı ölçümler
Yanıt sayaçlar içeriyorsa her gözlemi zaman damgasıyla saklayın. Tek bir gönderi için iki çalıştırmadaki değerleri karşılaştırın ve aralık boyunca gözlemlenen değişimi hesaplayın. Eşleştirme için belirtimde yer alan aweme_id değerini kullanın ve her öğede bulunduğunu kontrol edin.
Bir günde ilk kez bulunan gönderi sayısını kendi çalıştırmalarınızın sonuçlarına göre hesaplayabilirsiniz. Bu ölçüm, belirli parametrelerle ve belirli bir zamanlamayla yapılan isteklerin döndürdüğü akışı tanımlar. Toplama yöntemi tutarlı kaldığı sürece kendi anlık görüntülerinizi karşılaştırmanıza olanak sağlar.
Temel bir rapor; gün başına yeni bulunan gönderi sayısını, mevcut sayaçların dağılımını ve tekrar bulunan videolardaki değer değişimlerini gösterebilir. Analistin her kaydın kaynağını doğrulayabilmesi için istek zamanını ve kaynak dosya adını ekleyin.
Zamanlama ve hata işleme
İstek ve ayrıştırma doğrulandıktan sonra betiği cron, GitHub Actions veya bir veri orkestratörü üzerinden zamanlanmış şekilde çalıştırın. Hashtag listesini ayrı bir yapılandırmaya taşıyın; böylece istemci mantığını değiştirmeden konular ekleyip çıkarabilirsiniz.
Otomatik çalıştırma için zaman aşımı, geçici ağ hatalarında sınırlı sayıda yeniden deneme ve HTTP durumuyla istek süresinin kaydını yapılandırın. Anahtarı günlüğe yazmayın. Ayrıştırma hatasında güvenli tanı bilgilerini saklayın ve sorumlu kişiyi bilgilendirin.
Belirtim, hashtag akışı için cursor parametresiyle sayfalamayı destekliyor. Sayfalama gerekiyorsa yanıttan gelen imleci kaydedin ve dönüştürmeden sonraki isteğe iletin; yalnızca döndürülen sonuçları işleyin ve varsa has_more alanını kontrol edin. Birden fazla hashtag’e yönelik istekler aynı gönderiyi döndürürse, görevinize göre tekilleştirme anahtarını seçin: gönderiyi her hashtag için ayrı saymak ya da yalnızca benzersiz videoları saymak.
Sınıflandırma ve rapor otomasyonu
Doğrulanmış satırları elde ettikten sonra, video açıklamalarını belirli konulara göre sınıflandırmayı ekleyebilirsiniz: öğe şemasında desc alanı belirtiliyor. Model; gönderileri talimatlar, incelemeler veya kullanıcı deneyimi gibi biçimlere göre gruplayabilir. Ham metni, etiketi, talimat sürümünü ve sonucu saklayın; şüpheli durumları bir kişinin incelemesine yönlendirin.
Tekrarlanan çalıştırmalarda aritmetiğin yeniden üretilebilir olması için sayısal ölçümleri standart kodla hesaplayın. Sınıflandırıcı metin işleme açısından yararlıdır; nihai rapor, sonuçları belirli satırlara ve gözlem tarihlerine bağlamalıdır.
Kodsuz bir senaryoda aynı adımları bir otomasyon aracında birleştirebilirsiniz: zamanlama, doğrulanmış yapılandırmayla HTTP isteği, yanıtı denetleme, JSON’u kaydetme, doğrulanmış alanları dönüştürme ve hata bildirimi. Önce sözleşmeyi Postman’da doğrulayın, ardından Python, n8n veya Make’e aktarın.
Beklenen sonuç ve sonraki adım
Kurulum tamamlandığında ekibin elinde API yanıtlarından oluşan bir arşiv ve seçilen hashtag’lere ilişkin bir gözlem tablosu olur. Bunlar yeni gönderileri bulmaya, mevcut ölçümleri zaman içinde karşılaştırmaya ve içerikleri ayrıntılı analiz için seçmeye yardımcı olur. Karşılaştırılabilir sonuçlar için aynı zamanlamayı, istek parametrelerini ve normalleştirme kurallarını kullanın.
Tek bir uç nokta ve gerçek bir yanıtla başlayın: query parametresiyle /getHashtagFeed isteği gönderin, JSON’u kaydedin ve ardından alan ayrıştırma ile zamanlamayı ekleyin. TikTok Scraper API sayfası temel adresi ve uç nokta haritasını gösterirken, uç nokta belirtimi istemciyi uygulamak için parametre adlarını içeriyor.