京东商品评论 API（JSON 数据返回）核心解析
前言
一、接口核心功能
京东商品评论 API 允许开发者通过 HTTP 请求获取指定商品的评论数据，支持以下核心功能：
- 多维数据获取：
- 评论内容：文字、图片、视频（部分接口支持）。
- 用户评分：1-5 星，支持按评分筛选（如仅获取好评/差评）。
- 时间信息：评论时间戳、自定义时间范围筛选（如最近 30 天）。
- 用户属性：用户昵称（脱敏处理）、用户等级（如钻石会员）、所在地区（脱敏）。
- 商家回复：商家对评论的回复内容。
- 评论类型：首评、追评、晒单评论。
- 结构化标签：如“物流快”“质量好”等标签统计。
- 排序与筛选：
- 评分筛选：按好评（4-5 星）、中评（3 星）、差评（1-2 星）分类。
- 时间排序：按评论时间降序或升序排列。
- 推荐排序：基于京东算法推荐热门评论。
- 有用投票数：按用户对评论的点赞数排序。
- 分页与批量获取：
- 分页参数：支持
page（页码）和pageSize（每页数量，最大 100 条）。 - 循环获取：通过判断返回评论数是否等于
pageSize，决定是否继续请求下一页。
- 分页参数：支持
二、请求构造
- 基础参数：
{"method": "jingdong.ware.productcomment.get","app_key": "YOUR_APP_KEY","timestamp": "20250908153000","format": "json","v": "2.0","sign_method": "md5"} - 业务参数：
{"skuId": "100012345678", // 商品 SKU ID"page": 1, // 页码（从 1 开始）"pageSize": 10, // 每页数量（最大 100）"score": 0, // 评分筛选（0=全部，1=差评，2=中评，3=好评）"sortType": 5 // 排序方式（5=推荐排序，6=时间排序）} - 签名生成：
- 使用
AppSecret对所有参数按字典序排序后加密（MD5），确保请求合法性。 - Python 示例：
import hashlibdef generate_sign(params, app_secret):sorted_params = sorted(params.items())sign_str = app_secret + ''.join(f"{k}{v}" for k, v in sorted_params) + app_secretreturn hashlib.md5(sign_str.encode()).hexdigest().upper()
- 使用
三、JSON 数据返回示例
- 商品评论列表接口：
- 请求地址：
https://club.jd.com/comment/productPageComments.action - 请求方式：GET
- 返回结构：
{"code": 200,"message": "success","data": {"productCommentSummary": {"goodRateShow": 98, // 好评率（%）"commentCount": 50000, // 总评论数"goodCount": 48000, // 好评数"generalCount": 1500, // 中评数"poorCount": 500 // 差评数},"hotCommentTagStatistics": [ // 热门标签{ "id": 1, "name": "物流快", "count": 5000 },{ "id": 2, "name": "质量好", "count": 3000 }],"comments": [ // 评论列表{"id": 123456789,"content": "东西很好，物流很快","creationTime": "2023-01-01 12:00:00","score": 5,"usefulVoteCount": 200, // 有用投票数"nickname": "jd_123", // 用户昵称（脱敏）"productColor": "白色","productSize": "XL","images": [ // 评论图片{ "id": 111, "imgUrl": "//img30.360buyimg.com/n1/s450x450_jfs/..." }],"afterUserComment": { // 追评"content": "使用后效果很好，推荐购买！","creationTime": "2023-01-10 10:00:00"}}]}}
- 请求地址：
- 商品评价统计接口：
- 请求地址：
https://club.jd.com/comment/productCommentSummaries.action - 请求方式：GET
- 返回结构：
{"CommentsCount": [{"SkuId": 100012014970,"ProductId": 100012014970,"CommentCount": 50000, // 总评论数"GoodCount": 48000, // 好评数"GeneralCount": 1500, // 中评数"PoorCount": 500, // 差评数"VideoCount": 200, // 视频评论数"AfterCount": 300, // 追评数"GoodRate": 0.98, // 好评率"GeneralRate": 0.03, // 中评率"PoorRate": 0.01 // 差评率}]}
- 请求地址：
四、关键字段说明
| 字段 | 说明 |
|---|---|
skuId | 商品唯一标识符，用于定位具体商品或 SKU（如不同颜色、尺寸的变体）。 |
commentCount | 商品总评论数。 |
goodRateShow | 好评率（%）。 |
comments.content | 评论内容（可能包含 HTML 标签，需清洗）。 |
comments.score | 用户评分（1-5 星）。 |
comments.creationTime | 评论时间戳。 |
comments.images | 评论图片 URL 列表（部分评论可能无图片）。 |
hotCommentTagStatistics | 热门标签统计，如“物流快”“质量好”的标签数量。 |
五、应用场景与代码示例
- 评论情感分析：
- 目标：统计好评、差评关键词，分析用户关注焦点。
- 方法：使用 Python 的
jieba分词 +TextBlob或自定义情感词典。 - 示例：
from collections import Counterimport jiebacomments = [comment["content"] for comment in data["data"]["comments"]]words = [word for comment in comments for word in jieba.cut(comment)]keyword_counts = Counter([word for word in words if len(word) > 1])print(keyword_counts.most_common(10)) # 输出高频词
- 分页获取全部评论：
- 目标：获取某商品的全部评论（如手机、家电等高评论量商品）。
- 方法：通过循环请求分页数据，直到返回评论数小于
pageSize。 - 示例：
import requestsimport timedef get_all_comments(sku_id, page_size=50):all_comments = []page = 1while True:params = {"skuId": sku_id,"page": page,"pageSize": page_size,"accessToken": "YOUR_TOKEN"}response = requests.get("https://api.jd.com/comment", params=params)data = response.json()all_comments.extend(data["data"]["comments"])if len(data["data"]["comments"]) < page_size:breakpage += 1time.sleep(1) # 避免频率过高return all_comments
- 按评分筛选评论：
- 目标：仅获取差评（1-2 星）进行分析。
- 方法：在请求参数中设置
score=1。