跳到导航

Python作品与评论研究

要从观众评论判断博物馆的视频导览该补路线、预约还是无障碍信息,运行下面的 Python 脚本 channels_read.py。python3 channels_read.py list 用 wechat_channels.v2.fetch_user_videos 保存账号的一页作品;挑出相关视频后,python3 channels_read.py comments 用 wechat_channels.v2.fetch_video_comments 为每条选中的视频保存一页评论。最终交付观众原句、视频出处和导览的具体修改。

准备账号和范围

从已确认的 finder username 开始。只有短号或分享链接时,先按标识流程确认账号或作品。已有目标作品 ID 时,直接读评论。一页作品加两条选中视频各一页评论,计划最多三次请求。单价见价格页。

脚本只用 Python 3 标准库。在本地环境配置 BEATAPI_API_KEY,把下面的脚本保存为 channels_read.py。每次运行发送一个首批请求,并把请求和原响应保存到一个新目录。

import json
import os
import sys
from datetime import datetime, timezone
from pathlib import Path
from urllib.error import HTTPError, URLError
from urllib.request import Request, urlopen
if len(sys.argv) != 4 or sys.argv[1] not in {"list", "comments"}:
raise SystemExit("Usage: python3 channels_read.py list|comments VALUE NEW_DIRECTORY")
mode, value, directory = sys.argv[1:]
if not value.strip():
raise SystemExit("Supply a verified finder username or numeric work ID")
key = os.environ.get("BEATAPI_API_KEY")
if not key:
raise SystemExit("Set BEATAPI_API_KEY in your local environment")
if mode == "list":
action = "wechat_channels.v2.fetch_user_videos"
params = {"username": value, "last_buffer": "", "raw": False}
else:
action = "wechat_channels.v2.fetch_video_comments"
params = {"object_id": value, "comment_id": "", "last_buffer": "", "raw": False}
body = {"action": action, "params": params}
out = Path(directory)
out.mkdir(parents=True, exist_ok=False)
(out / "request.json").write_text(json.dumps(body, ensure_ascii=False, indent=2), encoding="utf-8")
started = datetime.now(timezone.utc).isoformat()
(out / "attempt.json").write_text(json.dumps({"started_at": started, "action": action}), encoding="utf-8")
request = Request("https://api.beatapi.io/v1/social-data/call",
data=json.dumps(body).encode("utf-8"), method="POST",
headers={"Authorization": "Bearer " + key, "Content-Type": "application/json"})
try:
with urlopen(request, timeout=60) as response:
status, raw = response.status, response.read()
except HTTPError as error:
status, raw = error.code, error.read()
except URLError:
(out / "transport-error.json").write_text(json.dumps({"outcome": "unknown", "action": action}), encoding="utf-8")
raise SystemExit("No final response saved; review the attempted request before repeating")
(out / "response.json").write_bytes(raw)
(out / "call.json").write_text(json.dumps({"action": action, "params": params,
"http_status": status, "started_at": started,
"finished_at": datetime.now(timezone.utc).isoformat(),
"response_file": "response.json", "platform_review": "required"},
ensure_ascii=False, indent=2), encoding="utf-8")
try:
payload = json.loads(raw)
except (ValueError, UnicodeError):
raise SystemExit("Saved a non-JSON response; inspect response.json")
if status != 200 or not isinstance(payload, dict) or payload.get("status") != "succeeded" or payload.get("error") is not None or payload.get("action") != action:
raise SystemExit("Saved a failed or unexpected response; inspect response.json")
print("Saved response for platform-content review: " + str(out / "response.json"))

先看作品,再选评论样本

python3 channels_read.py list '<finder_username>' museum-list-01
python3 channels_read.py comments '<numeric_work_id>' museum-comments-01

先运行第一行命令,在 data.videos 中找出与展览导览相关的作品,再用该作品的数字 id 替换第二行命令里的占位符。为每条入选视频写下理由,例如“说明了从地铁到入口的路线,适合看路线是否讲清楚”。点赞数可以帮助找候选,入选仍依据视频的具体内容。

每个输出目录里,call.json 记录实际请求条件、HTTP 状态和时间,response.json 保留原响应,用于核对和导出。作品列表续页用 up_continue,评论续页用 down_continue,各自传回自己上一页的 last_buffer。channels_read.py 只取各自的第一页;续页和回复按下一节链接的作品目录与评论复盘指南处理。

准备两张表:作品表一行一个作品 ID,问题表一行一条评论原句。用作品的数字 ID 把作品表和问题表连起来。例如两条留言都问电梯位置,先在问题表保留两条留言的出处,再在待办里归成一个问题。若另一个作品讲到无障碍入口,就单独记下那个作品的 ID。

复用导出并交付具体修改

按作品目录和评论复盘的导出流程,为每个保存的页面分别准备清单。从 call.json 复制 action、params 和 http_status,把 finished_at 写入 collected_at,原件路径按清单所在目录填写相对路径。每条视频的评论单独导出,再用作品 ID 把作品目录和问题表对应起来。

先找出具体的问题,再复看相关作品。比如两条留言分别问东门和电梯,把两条留言归到到馆路线,同时保留各自的原句与出处。作者回复已经说明入口时,考虑把入口说明提前放进导览。交付本次实际看过的作品页和评论页数、入选理由、评论原句及修改建议。