淘宝 / 天猫商品评论 API 全文档（taobao.item.reviews.get）
## 前置说明 市面上简称 `taobao.item.review`，**标准官方接口名是 taobao.item.reviews.get（复数）**；单条查询老接口 `taobao.item.review.get` 已逐步下线，全部业务统一用 `taobao.item.reviews.get`。 适用：淘宝、天猫、天猫超市全平台商品公开评论；仅返回**近 180 天脱敏公开评价**，无完整买家隐私信息。 ## 一、接口基础信息 1. **请求方式**：GET/POST，推荐 GET，返回 JSON 1. **核心能力** 分页拉取商品全部评价：主评、追评、晒图 / 视频、SKU 规格、星级、点赞数、商家回复、评论标签、匿名标识。 ## 二、接入前置条件（必看） ### 1. 账号与资质 - 个人开发者：可申请权限，**日调用上限 500000 次、QPS=20**，仅基础字段，无法扩容； - 企业开发者（推荐商用）：营业执照认证，提交业务场景说明，审核 1~3 天；可申请扩容 QPS、日调用量 1000万 +； - 权限申请路径：开放平台控制台→应用权限→搜索`taobao.item.reviews.get`提交审批。 ### 2. 凭证 - app_key、app_secret（应用固定密钥） - 公开商品无需 access_token；若拉取本店私密评价需 OAuth2.0 session key。 ### 3. 硬性数据限制（风控红线） 1. 单商品最大拉取**100 页**，每页最大 20 条（page_size 上限 20）； 1. 仅返回**近 180 天评论**，更早历史评论不提供； 1. 所有买家昵称脱敏（如 `小***柚`），无手机号、地址、完整 ID； 1. QPS 默认 2 次 / 秒，高频采集必须加缓存、异步队列，否则限流封禁应用； 1. 禁止用于第三方数据售卖、批量爬虫倒卖评论、刷评工具。 ## 三、完整请求参数 ### 1. 公共通用参数（所有 TOP 接口必填） 表格 |参数|必填|说明| | --- | --- | --- | |method|是|taobao.item.reviews.get| |app_key|是|应用 Key| |timestamp|是|yyyy-MM-dd HH:mm:ss，服务器时差≤5 分钟| |v|是|固定 2.0| |format|否|json / xml| |sign_method|否|md5 / hmac-sha256| |sign|是|加密签名| ### 2. 业务核心入参 表格 |参数|必填|取值 & 说明| | --- | --- | --- | |num_iid|是|商品数字 ID，链接 id=xxx| |page_no|否|页码，从 1 开始，最大 100| |page_size|否|每页条数，1~20，默认 20| |sort|否|0 = 默认综合排序；1 = 创建时间倒序（最新在前）| |rate_type|否|all 全部；good 好评；neutral 中评；bad 差评| |has_content|否|true 只返回带文字评论；false 含无文字晒图| |fields|是|指定返回字段，不填只返回极少基础数据| #### 通用全量 fields（复制直接用） plaintext ``` review_id,display_user_nick,is_anonymous,content,score,created,auction_sku, pic_urls,useful_count,is_append,append_content,append_time,seller_reply, seller_reply_time,comment_labels ``` ## 四、返回字段详解（业务落地核心） ### 外层分页结构 json ``` { "item_reviews_get_response": { "total_results": 2680, // 商品总评论数 "page_no": 1, "page_size": 20, "reviews": { "review": [单条评论对象数组] } } } ``` ### 单条评论关键字段（业务场景对应） 表格 |字段|含义|业务用途| | --- | --- | --- | |review_id|评论唯一 ID|数据库去重主键| |display_user_nick|脱敏买家昵称|用户画像统计| |is_anonymous|是否匿名评价|数据清洗过滤| |score|星级 1~5|口碑分、情感打分| |content|主评文字内容|NLP 关键词、差评挖掘| |created|主评时间|时序趋势分析| |auction_sku|下单规格（颜色 / 尺码）|SKU 维度差评归因| |pic_urls|晒图 URL 数组|图文评价质量判定| |useful_count|评论被 “有用” 点击数|高价值评价加权| |is_append|是否存在追评|长期使用反馈监控| |append_content|追评正文|售后、耐用性痛点| |append_time|追评时间|复购 / 长期体验分析| |seller_reply|商家回复文本|客服运营质检| |seller_reply_time|回复时间|响应时效考核| |comment_labels|系统标签数组（面料好、尺码准、物流快）|自动归类用户诉求| ## 五、标准 JSON 返回示例 json ``` { "item_reviews_get_response": { "total_results": 1256, "page_no": 1, "page_size": 20, "reviews": { "review": [ { "review_id": "7295689452365896235", "display_user_nick": "小***柚", "is_anonymous": false, "score": 5, "content": "面料柔软，尺码标准，做工精细，性价比很高", "created": "2026-04-12 09:22:36", "auction_sku": "黑色-XL", "pic_urls": ["https://img.alicdn.com/xxx.jpg"], "useful_count": 36, "is_append": true, "append_content": "穿洗三次没缩水，版型不变形，推荐购买", "append_time": "2026-04-25 11:15:22", "seller_reply": "感谢细致评价，我们严控面料品质", "seller_reply_time": "2026-04-13 15:02:11", "comment_labels": ["面料好", "尺码准", "性价比高"] } ] } } } ``` ## 六、全业务落地场景（电商 / AI 数据分析全覆盖） ### 场景 1：竞品口碑调研（跨境铺货 / 选品工具核心） 1. 拉取同类头部商品全量评论，按 score 拆分好评 / 中差评； 1. 提取 SKU 维度差评：比如 “尺码偏小”“掉色”“包装破损”； 1. 统计高频标签，作为自有产品优化、详情页文案参考； 1. 时序分析：新品前 30 天差评爆发点，预判品控风险。 ### 场景 2：自有店铺舆情实时监控（ERP / 商家后台） 1. 定时轮询本店商品新评论，过滤 score≤3 差评； 1. 自动推送预警：含 “质量差、破损、虚假宣传” 关键词的评价； 1. 统计商家回复时效，未回复差评工单分配客服； 1. 追评监控：发货 15/30 天后追评，追踪售后耐用问题。 ### 场景 3：AI 评论情感分析（NLP 智能洞察） - 输入评论文本做情感极性、实体抽取； - 输出用户痛点词云、满意度得分； - 支撑产品迭代、供应链改良、广告投放卖点筛选。 ### 场景 4：商品转化优化（详情页 / 主图素材挖掘） 1. 筛选高 useful_count 晒图评论，提取真实买家实拍图； 1. 高频正面标签直接复用在商品卖点模块； 1. 差评集中问题在详情页提前说明，降低售后咨询。 ### 场景 5：类目市场趋势分析（行业数据平台） 1. 批量爬取类目 TOP 商品评论，统计全年用户关注点变化； 1. 对比不同价格段商品差评差异，做定价策略参考； 1. 筛选热门需求点，开发新款、组合套餐。 ### 场景 6：售后工单自动化 - 差评 + 对应 SKU 自动生成售后补偿 / 退换货策略； - 同一规格集中差评触发仓库质检预警。 ## 七、Python 完整可运行调用代码（含分页、签名、异常处理） python 运行 ``` import requests import hashlib import time class TaobaoReviewAPI: def __init__(self, app_key, app_secret): self.app_key = app_key self.app_secret = app_secret self.api_gateway = "https://eco.taobao.com/router/rest" # 标准MD5签名 def build_sign(self, params): sorted_kv = sorted([(k, v) for k, v in params.items() if k != "sign"]) raw = "".join([f"{k}{v}" for k, v in sorted_kv]) sign_str = self.app_secret + raw + self.app_secret return hashlib.md5(sign_str.encode("utf-8")).hexdigest().upper() # 单页获取评论 def get_review_page(self, num_iid, page_no=1, page_size=20, rate_type="all"): params = { "method": "taobao.item.reviews.get", "app_key": self.app_key, "timestamp": time.strftime("%Y-%m-%d %H:%M:%S"), "v": "2.0", "format": "json", "sign_method": "md5", "num_iid": num_iid, "page_no": page_no, "page_size": page_size, "sort": 1, "rate_type": rate_type, "has_content": "true", "fields": "review_id,display_user_nick,is_anonymous,content,score,created,auction_sku,pic_urls,useful_count,is_append,append_content,append_time,seller_reply,seller_reply_time,comment_labels" } params["sign"] = self.build_sign(params) resp = requests.get(self.api_gateway, params=params, timeout=10) return resp.json() # 全量分页拉取（控制频率防限流） def get_all_reviews(self, num_iid, rate_type="all"): all_reviews = [] page = 1 while True: res = self.get_review_page(num_iid, page, 20, rate_type) # 错误处理 if "error_response" in res: print("接口报错：", res["error_response"]) break data = res["item_reviews_get_response"] total = data["total_results"] review_list = data["reviews"].get("review", []) if not review_list: break all_reviews.extend(review_list) # 最大100页停止 if page >= 100 or len(all_reviews) >= total: break page += 1 time.sleep(0.6) # QPS=2限流缓冲 return all_reviews # ============ 调用示例 ============ if __name__ == "__main__": ak = "你的AppKey" as_ = "你的AppSecret" api = TaobaoReviewAPI(ak, as_) item_id = "1234567890123" reviews = api.get_all_reviews(item_id, rate_type="bad") # 只拉差评 print(f"共获取{len(reviews)}条差评") for item in reviews[:3]: print(f"星级:{item['score']} 评价:{item['content']} SKU:{item['auction_sku']}") ``` ## 八、配套拓展接口搭配方案 - 商品基础信息：`taobao.item.get`（标题、价格、SKU 列表） - 店铺在售商品列表：`taobao.items.onsale.get`（批量遍历商品 ID 采集评论） - 本店订单评价：`taobao.seller.review.list`（商家后台客服系统）
