跳到导航

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:

看到的情况先怎么处理是否需要继续取数
多人追问同一种用法记为待核实的问题,回看笔记是否已经解释要总结是否普遍,仍需更多相关样本与主题审核。
一条高赞批评,回复里有人纠正保留原句及纠正上下文,不单独截取批评原页只有部分回复时,按需展开该父评论。
评论只是“求链接”、玩笑或抽奖互动按本次研究目标决定是否排除,写理由不凭热度推断痛点或购买。
低赞但描述了具体使用问题可以进入后续人工研究排名表只作入口;到全部已观察评论中查看,缺失点赞也不能当作零。

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。

curl -sS https://api.beatapi.io/v1/social-data/call \
-H "Authorization: Bearer $BEATAPI_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"action":"xiaohongshu.app_v2.get_note_comments","params":{"share_text":"<note_share_link>","cursor":"","index":0,"pageArea":"UNFOLDED","sort_strategy":"like_count"}}' \
-o xiaohongshu-hot-comments.json

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?

操作首请求下一页
一级评论空 cursor、index: 0、pageArea: UNFOLDED解码 data.data.cursor 的 JSON 字符串,取 cursor、index、pageArea 一起传回
二级回复真实父 comment_id、空 cursor、index: 1先解码 data.data.cursor 的 JSON 字符串,再取 cursor 与 index

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。

按笔记采集评论和回复 · 业务错误和扣费

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:

[{"file":"comments-page-1.json","note_id":"<actual-note-id>","action":"xiaohongshu.app_v2.get_note_comments","collected_at":"2026-11-16T10:00:00Z"}]
python3 rank_roots.py root-pages.json hot-review 10

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。

import collections, csv, datetime, hashlib, json, pathlib, re, sys
manifest = pathlib.Path(sys.argv[1])
manifest_bytes = manifest.read_bytes()
pages = json.loads(manifest_bytes)
limit = int(sys.argv[3])
if not 1 <= limit <= 100: raise ValueError('Limit must be 1..100 per note')
if not isinstance(pages, list) or not pages: raise ValueError('Nonempty manifest required')
rows, seen, sources, saved, request_ids = [], {}, [], [], set()
for page in pages:
if page.get('action') != 'xiaohongshu.app_v2.get_note_comments':
raise ValueError('Root pages only; do not mix reply pages into this manifest')
note = page.get('note_id')
if not isinstance(note, str) or not note.strip(): raise ValueError('Missing note ID')
stamp = datetime.datetime.fromisoformat(page['collected_at'].replace('Z', '+00:00'))
if stamp.tzinfo is None: raise ValueError('Collection time needs timezone')
raw = (manifest.parent / page['file']).read_bytes()
payload = json.loads(raw)
rid = payload.get('request_id')
if not isinstance(rid, str) or not rid.strip() or rid in request_ids: raise ValueError('Missing/repeated request ID')
request_ids.add(rid)
if payload.get('status') != 'succeeded' or payload.get('error') is not None or payload.get('action') != page['action']:
raise ValueError('Failed/mismatched gateway response')
body = payload.get('data')
if not isinstance(body, dict) or body.get('success') is not True or type(body.get('code')) is not int or body['code'] != 0:
raise ValueError('Business error')
data = body['data']
if not isinstance(data.get('comments'), list) or type(data.get('has_more')) is not bool:
raise ValueError('Invalid comments/paging shape')
sort = data.get('current_sort_strategy')
if sort not in ('like_count', 'latest_v2', 'default'): raise ValueError('Unrecognized observed sort')
filename = 'raw-' + str(len(saved)+1).zfill(3) + '.json'
digest = hashlib.sha256(raw).hexdigest()
saved.append((filename, raw))
sources.append({'file':filename,'sha256':digest,'request_id':rid,'note_id':note,
'collected_at':page['collected_at'],'observed_sort':sort,'has_more':data['has_more']})
for item in data['comments']:
cid, text = item.get('id'), item.get('content')
if not isinstance(cid, str) or not cid.strip() or not isinstance(text, str) or item.get('note_id') != note:
raise ValueError('Invalid ID/text or wrong note')
likes = item.get('like_count')
if likes is not None:
if type(likes) is int and 0 <= likes <= 9007199254740991: pass
elif isinstance(likes, str) and re.fullmatch(r'[0-9]+', likes): likes = int(likes)
else: raise ValueError('Likes require nonnegative safe integer or original digit string')
location = item.get('ip_location')
if location is not None and not isinstance(location, str): raise ValueError('Invalid location')
state = 'absent' if 'ip_location' not in item else 'null' if location is None else 'empty' if not location.strip() else 'reported'
key = (note, cid)
if key in seen:
if seen[key] != text: raise ValueError('Conflicting duplicate text')
continue
seen[key] = text
rows.append({'note_id':note,'comment_id':cid,'text':text,'likes':likes,
'ip_location':location,'location_state':state,'collected_at':page['collected_at'],
'request_id':rid,'source_file':filename,'source_sha256':digest})
selected, coverage = [], []
for note in sorted({source['note_id'] for source in sources}):
sample = [r for r in rows if r['note_id'] == note]
known = sorted((r for r in sample if r['likes'] is not None),key=lambda r:(-r['likes'],r['comment_id']))
selected.extend(dict(r, sample_rank=i+1) for i,r in enumerate(known[:limit]))
locations = collections.Counter(r['ip_location'] for r in sample if r['location_state']=='reported')
coverage.append({'note_id':note,'observed_roots':len(sample),'known_likes':len(known),
'missing_likes':len(sample)-len(known),'selected':min(limit,len(known)),
'location_states':dict(collections.Counter(r['location_state'] for r in sample)),
'location_comment_counts':[{'label':k,'comments':v} for k,v in sorted(locations.items())]})
out = pathlib.Path(sys.argv[2]); out.mkdir()
for filename, raw in saved: (out/filename).write_bytes(raw)
(out/'input-manifest.json').write_bytes(manifest_bytes)
def write(name, value): (out/name).write_text(json.dumps(value,ensure_ascii=False,indent=2),encoding='utf-8')
write('observed-roots.json', rows)
write('selected-roots.json', selected)
write('coverage.json', {'notes':coverage,'sources':sources,'limit_per_note':limit,
'manifest_sha256':hashlib.sha256(manifest_bytes).hexdigest(),'duplicates':'first observation retained',
'scope':'Saved root-comment sample only; embedded replies excluded; not all comments or unique people',
'all_comments_collected':False,'executed_calls':0})
fields=['note_id','sample_rank','comment_id','text','likes','ip_location','location_state','collected_at','request_id','source_file','source_sha256']
with (out/'selected-roots.csv').open('w',encoding='utf-8-sig',newline='') as f:
writer=csv.DictWriter(f,fieldnames=fields); writer.writeheader()
for row in selected:
values={k:('' if row.get(k) is None else str(row[k])) for k in fields}
writer.writerow({k:("'"+v if v.lstrip().startswith(('=','+','-','@')) else v) for k,v in values.items()})
print(json.dumps({'notes':len(coverage),'observed_roots':len(rows),'selected_roots':len(selected),'executed_calls':0}))

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。