小红书笔记大家最关心什么?怎么从高赞评论找到值得追问的问题?
要先读小红书读者最关心的评论,调用 data:xiaohongshu.app_v2.get_note_comments 时设 sort_strategy:"like_count",点赞多的一级评论排在前面。已有笔记 ID 或分享链接就直接查一页,挑出需要回答的问题。某条评论需要上下文时,用这条评论的 ID 作为父评论 ID,调用 data:xiaohongshu.app_v2.get_note_sub_comments 查回复。
例如高赞留言说「说明书这一步没看懂」,先保留原话、笔记链接和留言所指的步骤。几条独立留言提到同一问题时,归到同一主题并保留每条的出处。再用评论研究流程把归好的留言整理成待回答的问题清单。
拿到评论后,先判断什么?
下表是阅读方法示例,不是采集样本里的发现:
想先读点赞较多的观点,取一页 like_count 排序;想看最近变化,选最新排序。每份样本都写明所用排序;在最新样本内排出的高赞评论,不能叫作平台完整热评榜。
回复什么时候值得展开?
一句评论的对象不明、带反讽、引用了前文,或者有人指出条件与例外时,先读回复再下结论。一级评论附带的回复可能只是一部分;只为需要补上下文的父评论继续取回复,不自动抓完全部线程。
批准一页就只取一页,追加翻页和展开回复都单独计调用。继续前先确认当前价格与批准上限;遇到错误、重复页或没有可用的下一页状态就停。上下文补不齐时,在交付中写“上下文待核”,不把解读当作已确认。
怎么把结果交给同事?
本地导出脚本 rank_roots.py(见下文)生成 selected-roots.csv,列出每篇笔记已观察样本内的高赞候选、原句、点赞数和来源。先看 coverage.json:coverage.json 记录实际看了多少条一级评论、多少条缺失点赞、还有哪些页没取。十条是本地最多保留数,实际可能不足十条。
人工在另存的工作表里补四列:与问题是否相关、保留或排除的理由、需要补哪条父评论的回复、下一步研究问题。这四列是人工判断,脚本不会生成。需要查看全部样本时读 observed-roots.json;一条意见没进高赞名单,不代表没人提过。
属地标签只描述这批评论显示了哪些标签。coverage.json 统计全部已观察一级评论的标签次数,不只统计入选的高赞评论;标签次数也不是独立人数、居住地或真实受众地域比例。空标签、null 和字段缺失分别保留;不猜测省份,不把原始评论者资料外发。
技术步骤:取得一页与补回复
第一次请求前,先免费 Inspect data:xiaohongshu.app_v2.get_note_comments 与 data:xiaohongshu.app_v2.get_note_sub_comments,核对当前可执行状态、输入和价格。
不要用 sort_strategy: default 承诺稳定翻页:输出合同明确提示 default 排序可能重复或遗漏评论。like_count 排序适合优先阅读点赞较多的观点,最新排序适合看近期变化;两种有限样本都不代表所有读者的意见比例。
一级评论与回复,分页有什么不同?
回复动作是 xiaohongshu.app_v2.get_note_sub_comments。回复动作里的 comment_id 是父评论 ID,不是笔记 ID;笔记仍用 note_id 或 share_text 定位。不要把一级评论首请求的 index: 0 复制给回复请求,也不要把返回的整个 cursor 对象塞进字符串参数。
先保存一级评论的原始 JSON,挑出确实需要上下文的父评论,再展开回复。每次翻页、每次展开都是单独调用,取热评不会免费附带所有回复。2026-11-16 核验的真实返回中,两个动作的列表都在 data.data.comments[],正文在 content,点赞数在 like_count。一级评论的 sub_comments[] 只含部分内嵌回复;独立回复页会重复内嵌记录,按 note_id + id 去重。
依据:当前输出合同,以及一次付费验证(最新排序的两页一级评论和一页回复:25 条一级评论、8 条去重后的回复,合计 33 条)。like_count 排序值来自合同,热评排序没有单独测试。两种 cursor 都是 JSON 字符串,不是可直接转交的对象;has_more=true 不代表已取后续页。每次执行前确认当前价格,不承诺固定条数。
交付每篇笔记的高赞候选及属地审计
遇到“20 篇笔记,每篇选 10 条高赞评论,再看这些评论标注在哪里”这类需求,使用已保存的一级评论页,不要混用作者资料所在地或内嵌回复。已验证的一级评论对象直接提供 data.data.comments[].ip_location。已录制页面里的 ip_location 有字符串也有 null;原样保留显示标签,不翻译成猜测的省份。ip_location 是评论的显示属地,不是居住地、精确 IP 地址、独立评论者人数或读者分布。
排名步骤在本地运行,不增加调用。把下方脚本保存为 rank_roots.py,在原始响应旁创建 root-pages.json,沿用评论研究指南的清单格式,但只列一级评论页。其他笔记或页面必须真实保存后才能加入清单:
最后一个参数 10 是本地每篇最多保留数,不是接口每页条数承诺。输入为最新排序时,结果只能叫“已保存最新样本内点赞较高的评论”,不是平台全量热榜。报告记录每页的实际排序。要新采热评样本,使用 like_count;20 篇各取一页是 20 次调用,追加翻页和回复按当前动作价格另计。实际行数可能少于目标数。运行离线步骤不需要重新调用。
解读前检查交付物
selected-roots.csv是每篇笔记的候选清单;点赞数相同时按评论 ID 稳定排序,评论 ID 不代表另一种热度信号。零点赞保留,缺失点赞不参与排名并单列数量。observed-roots.json保留样本内全部去重后的一级评论。同一 ID 保留首次观察的时间和数值,后续观察留在原始文件中;同一 ID 正文冲突时停止运行。coverage.json的属地计数基于全部已观察一级评论,不是仅入选的十条;字段不存在、null 和空标签分开记录。计数单位是评论,不是人数;标签不归一化成猜测的省份。内嵌回复不计入总数。raw-*.json、哈希和input-manifest.json保留来源。哈希能检测之后的文件改动,不能证明服务端响应真实。rank_roots.py在写入前拒绝错误笔记的数据、失败响应和不合法数值,也不会覆盖已有输出目录。- CSV 做了防公式注入处理,原文保留在 JSON 里。对外分享前人工去除正文中的个人信息;原始响应可能含作者资料,私下保管。
用 rank_roots.py 离线处理付费验证得到的两页最新排序一级评论:25 条去重一级评论生成 10 行候选,没有新增 API 调用。离线运行验证了本地流程和已观察的属地字段,不代表实时热评排序或完整地域覆盖。要总结“三个主要痛点”,继续用评论研究指南里的人工标签审核和精确原句证据;rank_roots.py 不会凭点赞数生成主题。
分析痛点时,使用评论研究指南新生成的标签模板:每个标签绑定笔记、评论和原始来源哈希。本地编号 E000001 在另一次导出中可能重复,不能只凭编号把旧主题判断套到新导出。原始档案和完整性清单与审核导出一起保留。

