京东商品评论API技术解析与落地应用（含标准 JSON 示例）

原创

用户1597063760

发布于 2026-08-31 11:42:01

1160

文章被收录于专栏：经验经验

摘要：在电商竞品分析、口碑舆情监控、产品迭代调研业务中，商品用户评论是非常核心的一手数据源。人工浏览页面采集效率低下，前端逆向抓取容易受页面改版、风控策略影响，稳定性差。京东商品评论 API（jd.item_review）可以输出标准化 JSON 结构的评价数据，包含主评、追评、评分、晒图视频、商品规格、用户标签、商家回复等信息。本文从工程实战角度，讲解接口接入、参数说明、返回结构、调用示例、业务处理流程以及线上开发踩坑经验，适合用于搭建舆情预警、竞品口碑分析、NLP 情感分析系统。

一、接口基础概述

jd.item.reviews.get为京东平台商品评论接口，是电商口碑数据的核心数据源。商品详情接口只能拿到商品基础信息，真实用户评价、追评、晒图、差评痛点全部依赖本接口获取。

接口名称：jd.item_review（taobaoapi2014 前往体验）

接口版本：v3（稳定正式版）

接口地址：o0b.cn/opandy （HTTPS，支持 GET/POST）

请求方式：GET / POST（推荐 POST，参数放 body 避免 URL 超长）

返回格式：标准 JSON

业务用途：根据商品 ID，全量获取商品评论基础评论信息、评论日期、图片、视频、评论者ID、追评、追评内容、视频图文等完整商品评论内容数据。

核心业务适用场景

舆情与差评预警：定时监控自有或竞品 SKU，识别差评、负面关键词，实现告警推送，感知批量质量、售后问题。
竞品口碑调研：批量统计竞品好评率、差评高频问题，挖掘用户痛点，辅助选品与产品迭代。
NLP 情感分析：把结构化评论文本送入 AI 模型，自动做情感倾向归类、观点提取、标签统计。
选品决策辅助：结合晒单、追评数据，评估商品真实市场反馈，过滤刷单类无效评价。
商家回复效果分析：采集商家回复内容，统计回复率、回复时效，优化客服运营策略。

二、请求参数说明

公共参数为 API 网关通用参数；param_json封装业务入参。

参数	类型	必填	说明
skuId	String	是	京东商品 SKU 编号，目标查询商品
pageIndex	Integer	是	页码，起始为 1
pageSize	Integer	是	每页返回条数，最大 100
score	Integer	否	筛选评价：0 全部；1 差评；2 中评；3 好评；4 晒单；5 视频评价
isImage	Integer	否	0 全部；1 仅返回带图片 / 视频评价
needAfterReview	Integer	否	0 不返回追评；1 返回追评数据，开发中极易遗漏
sort_type	Integer	否	0 推荐；1 时间倒序；2 高分优先；3 低分优先

param_json业务入参示例

{
    "skuId":"100012345678",
    "pageIndex":1,
    "pageSize":10,
    "score":0,
    "isImage":0,
    "needAfterReview":1,
    "sort_type":1
}

三、标准返回 JSON 示例

{
    "code":"0",
    "msg":"success",
    "data":{
        "productCommentSummary":{
            "commentCount":2460,
            "goodCount":2310,
            "generalCount":95,
            "poorCount":55,
            "goodRateShow":93.9
        },
        "hotCommentTagStatistics":[
            {"name":"做工不错","count":860},
            {"name":"包装差","count":132}
        ],
        "comments":[
            {
                "id":98765432101,
                "nickname":"jd_张***明",
                "score":2,
                "content":"外壳容易刮花，包装简陋，物流速度一般",
                "creationTime":"2026‑07‑22 09:12:45",
                "skuAttr":"颜色:银灰色;规格:标准版",
                "images":["https://img.jd.com/imgextra/a1.jpg"],
                "usefulVoteCount":12,
                "merchantReply":"商家回复：非常抱歉给您不好体验，联系客服处理",
                "afterSaleReview":{
                    "content":"使用半个月，故障出现，售后处理慢",
                    "creationTime":"2026‑07‑30 16:20:11"
                }
            },
            {
                "id":98765432102,
                "nickname":"jd_李***华",
                "score":5,
                "content":"质量超出预期，物流快，性价比很高",
                "creationTime":"2026‑07‑25 11:05:33",
                "skuAttr":"颜色:黑色;规格:标准版",
                "images":[],
                "usefulVoteCount":36,
                "merchantReply":"感谢您的支持",
                "afterSaleReview":null
            }
        ]
    }
}

productCommentSummary：商品评论汇总统计，总评价数、好评中评差评数量、好评率。
hotCommentTagStatistics：高频评价标签以及出现次数。
comments[]：评论数组，单条包含评论 ID、脱敏昵称、评分、正文、时间、购买规格、图片数组、点赞数、商家回复、追评对象afterSaleReview，无追评时值为null。

四、Python 简易解析示例（伪代码）

import json

def parse_jd_review(raw_json):
    """解析京东评论返回数据，提取主评、追评，做结构化输出"""
    output = []
    if raw_json.get("code") != "0":
        return {"status":"fail","msg":raw_json.get("msg")}
    comment_list = raw_json["data"]["comments"]
    for item in comment_list:
        main = {
            "comment_id": item["id"],
            "nickname": item["nickname"],
            "score": item["score"],
            "content": item["content"],
            "create_time": item["creationTime"],
            "sku_attr": item["skuAttr"],
            "pic_list": item.get("images",[]),
            "merchant_reply": item.get("merchantReply","")
        }
        output.append({"type":"main","data":main})
        #处理追评
        after = item.get("afterSaleReview")
        if after:
            after_item = {
                "content": after["content"],
                "create_time": after["creationTime"]
            }
            output.append({"type":"after_review","data":after_item})
    return {"status":"ok","list":output}

五、业务落地完整流程

权限与鉴权：按照网关规则生成 MD5 签名，发起 HTTPS 请求。
分页采集：循环pageIndex，注意分页上限，到达末尾停止拉取；生产环境配置请求间隔，规避限流。
数据清洗：过滤占位文本此用户没有填写评价；去除换行、空格等脏字符；兼容图片字段别名差异。
持久化存储：数据库以comment_id作为唯一主键防止重复入库；对skuId、score、creationTime建立索引，方便筛选查询。
上层业务消费：
- 舆情预警：判断score<=2，匹配负面关键词库，触发告警；
- AI 情感分析：清洗后的评论文本送入 NLP 模型输出情感标签；
- 报表统计：统计好评率、标签分布、差评占比，输出分析报表。