## 一、接口原理与合规要点

### 1. 接口架构原理

京东评论接口分为 JOS 商家版、联盟开放版，统一网关路由，采用**MD5 签名 + OAuth2.0 双鉴权**防篡改。联盟接口面向第三方，用来竞品调研；商家接口仅限自有店铺数据，准入严苛。接口数据默认仅留存近 180 天评论，存在分页上限与 QPS 限流。

### 2. 合规红线（核心）

1. 仅使用平台官方开放 API 获取数据，禁止抓包逆向前端匿名接口、代理爬虫批量爬取，规避知识产权与风控处罚；

2. 调用频次严格遵循平台 QPS 限流规则，不超限刷接口；

3. 采集评论数据仅限企业竞品调研、市场分析自用，禁止倒卖用户评论隐私数据。

## 二、接口架构与出参字段设计

1. 接口返回结构化 JSON，核心业务字段决定后续数据挖掘维度：评分星级、评论文本、评论时间、商品规格、晒图标识、追评内容。

2. 接口约束：默认仅返回近 180 天评论，分页存在页码上限，超限无数据返回；高频调用触发平台限流错误码。
## 三、接口封装与全量采集实现

### 环境依赖
```python
import requests
import json
import hashlib
import time
import pandas as pd

APP_KEY = "xxxx"
APP_SECRET = "xxxx"
ACCESS_TOKEN = "xxxx"
API_URL = "xxxxxxx"


def md5_sign(params):
    plain = APP_SECRET
    for k in sorted(params):
        plain += k + str(params[k])
    plain += APP_SECRET
    return hashlib.md5(plain.encode()).hexdigest().upper()


def fetch_one_page(sku_id, page):
    biz = json.dumps({
        "skuId": sku_id,
        "pageIndex": page,
        "pageSize": 20,
        "score": 0,
        "isImage": 0,
        "needAfterReview": 1
    }, separators=(",", ":"))

    params = {
        "app_key": APP_KEY,
        "method": "jd.union.open.goods.comment.query",
        "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"),
        "format": "json",
        "v": "1.0",
        "sign_method": "md5",
        "access_token": ACCESS_TOKEN,
        "360buy_param_json": biz
    }

    params["sign"] = md5_sign(params)

    r = requests.get(API_URL, params=params, timeout=15)
    return r.json()


def crawl_comments(sku_id):
    data = []
    page = 1

    while True:
        res = fetch_one_page(sku_id, page)
        comments = (
            res.get("jd_union_open_goods_comment_query_res", {})
               .get("result", {})
               .get("comments", [])
        )

        if not comments:
            break

        for c in comments:
            after = c.get("afterSaleReview") or {}
            row = {
                "comment_id": c.get("commentId"),
                "star": c.get("rating"),
                "content": c.get("content"),
                "after_comment": after.get("content", ""),
                "spec": c.get("skuAttr", ""),
                "create_time": c.get("creationTime"),
                "has_img": 1 if c.get("pictures") else 0
            }
            data.append(row)

        print(f"page {page}, total {len(data)}")
        page += 1
        time.sleep(0.4)

    df = pd.DataFrame(data)
    df.to_csv("jd_comment_raw.csv", index=False, encoding="utf-8-sig")
    return df


if __name__ == "__main__":
    crawl_comments("100025698741")
```
核心逻辑：MD5 签名算法、请求失败自动重试、循环分页全量采集、原始数据落地 CSV

## 四、数据清洗（挖掘前置核心步骤）

去除特殊符号、无效空格、过短无意义评论，剔除脏数据保障 NLP 准确率：
```python
def clean_comment(text):
    if not isinstance(text, str):
        return ""
    text = re.sub(r"<[^>]+>|\s+", " ", text)
    text = text.strip()
    return "" if len(text) < 2 else text


df_raw["clean_content"] = df_raw["content"].apply(clean_comment)
df_clean = df_raw[df_raw["clean_content"].astype(bool)].copy()
```
## 五、NLP 数据挖掘两大核心

### 1 情感自动分类

依托 SnowNLP 实现评论自动打标：＞0.6 好评、0.3~0.6 中评、＜0.3 差评，量化口碑表现。
```python
import pandas as pd
from snownlp import SnowNLP

def sentiment_analysis(text):
    if not isinstance(text, str) or not text.strip():
        return pd.Series([None, "未知"])

    try:
        prob = SnowNLP(text).sentiments
        score = round(prob, 3)

        if score > 0.6:
            label = "好评"
        elif score >= 0.3:
            label = "中评"
        else:
            label = "差评"

        return pd.Series([score, label])
    except Exception:
        return pd.Series([None, "未知"])


df_clean[["sent_score", "sent_label"]] = (
    df_clean["clean_content"].apply(sentiment_analysis)
)
```
### 2 关键词提取痛点

jieba-TFIDF 提取名词、动词关键词，汇总差评高频词定位产品缺陷：
```python
import jieba.analyse

def extract_keywords(text, top_n=3):
    if not isinstance(text, str) or not text.strip():
        return ""

    words = jieba.analyse.extract_tags(
        text,
        topK=top_n,
        allowPOS=("n", "v")
    )
    return ",".join(words)


df_clean["keywords"] = (
    df_clean["clean_content"].apply(extract_keywords)
)

# 差评整体关键词
bad_text = " ".join(
    df_clean.loc[df_clean["sent_label"] == "差评", "clean_content"]
)

top_bad_keywords = jieba.analyse.extract_tags(
    bad_text,
    topK=30
)

print("产品差评关键词：")
print(top_bad_keywords)
```
## 六、可视化落地

1. 情感分布饼图：直观查看好评 / 中差评占比；

2. 差评词云：可视化用户集中吐槽点

```python
import matplotlib.pyplot as plt
from wordcloud import WordCloud

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

sent_cnt = df_clean["sent_label"].dropna().value_counts()
if not sent_cnt.empty:
    plt.figure(figsize=(6, 6))
    plt.pie(sent_cnt.values, labels=sent_cnt.index, autopct="%1.1f%%", startangle=120)
    plt.title("评论情感分布")
    plt.axis("equal")
    plt.tight_layout()
    plt.savefig("sent_pie.png", dpi=300)
    plt.close()

if bad_text and isinstance(bad_text, str):
    wc = WordCloud(
        font_path="C:/Windows/Fonts/simhei.ttf",
        width=900,
        height=500,
        background_color="white"
    )
    wc.generate(bad_text)
    wc.to_file("bad_wordcloud.png")
```
##总 结

整套方案基于官方 API 全链路合规，从接口鉴权原理、数据采集、清洗、NLP 挖掘到可视化形成标准化链路，可快速搭建商品口碑自动化分析系统，可拓展大模型评论摘要、负面消息自动预警功能。

京东评论接口分为 JOS 商家版、联盟开放版，统一网关路由，采用MD5 签名 + OAuth2.0 双鉴权防篡改。联盟接口面向第三方，用来竞品调研；商家接口仅限自有店铺数据，准入严苛。接口数据默认仅留存近 180 天评论，存在分页上限与 QPS 限流。

京东商品评论接口技术实现：从接口分析到数据挖掘

人工智能

京东评论接口采用MD5签名+OAuth2.0双鉴权，支持合规获取商品评论数据。通过Python实现全量采集、数据清洗、情感分析和关键词提取，构建自动化口碑分析系统。方案遵循平台规则，可用于竞品调研和市场分析，实现评论情感分类、差评关键词挖掘及可视化展示。

数据挖掘

数据清洗

Windows

路由

JSON

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

京东商品评论接口技术实现：从接口分析到数据挖掘-腾讯云开发者社区-腾讯云

京东商品评论接口技术实现：从接口分析到数据挖掘

京东商品评论接口技术实现：从接口分析到数据挖掘

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐