数据解析陷阱：漏了追评，商家差评预警漏了 30% 的差评

系统上线后第二周，商家反馈：“昨天的 12 条差评，系统只预警了 8 条！” 排查发现，京东评论的返回结果藏着 “双字段陷阱”—— 主评存在 comments字段，追评（追加评论）存在 after_comments字段，我只解析了 comments，完全漏掉了追评里的差评：比如用户买了商品 3 天后追加的 “质量差，掉漆”，系统没抓到，导致商家没及时回复，店铺动态评分掉了 0.2 分。

更坑的是，带图评论的图片 URL 藏在 images的 url字段里，且部分追评的 images是嵌套结构，直接取值会报 KeyError；另外京东会对用户昵称脱敏（比如 “张 **”），如果直接展示会出现乱码。我连夜重写的评论解析函数，专门整合主评、追评、带图评论和情感判断：

python实例

jd.review/ 测试调试

		"real_total_results": 500000,
		"total_results": 500000,
		"page_size": 10,
		"page": "1",
		"item": [
			{
				"rate_content": "大品牌质量好使用方便价格便宜",
				"rate_date": "2025-12-22 14:10:35",
				"pics": [],
				"rate_id": "103553730157088578",
				"guid": "T6NdPMJ0j58tdR-BW66QxXiJ",
				"score": 5,
				"display_user_nick": "xujian1966",
				"auction_sku": "BM1(S2);",
				"add_feedback": null
			},
			{
				"rate_content": "这是第二次回购确实有蛮实用给五星好评",
				"rate_date": "2025-12-22 14:04:22",
				"pics": [
					"jfs/t1/375305/12/20041/261755/6948df61F9fd28fd4/00a94ecaf014c703.jpg",
					"jfs/t1/376768/4/18439/269304/6948df65F5fed58df/00a94ecaf00b6fbc.jpg",
					"jfs/t1/379944/35/12289/321964/6948df64Fe0093753/00a94ecaf06eea35.jpg",
					"jfs/t1/373946/31/20633/335073/6948df62Ff02f42fe/00a94ecaf0921005.jpg"
				],
				"rate_id": "103543710155619542",
				"guid": "T6NdPMN0j50tdR-DXaeRxXuD",
				"score": 5,
				"display_user_nick": "jd_152740bfh",
				"auction_sku": "BM1(S2);",
				"add_feedback": null
			},
			{
				"rate_content": "非常好",
				"rate_date": "2025-12-22 12:58:29",
				"pics": [],
				"rate_id": "103541160162348180",
				"guid": "T6NdPMN2iZotdRyEWKKQwXeB",
				"score": 5,
				"display_user_nick": "jd_8hw1mybnt7ic1p",
				"auction_sku": "BM1(S2);",
				"add_feedback": null
			},
			{
				"rate_content": "好用的，经常回购，下次继续回购，推荐",
				"rate_date": "2025-12-22 12:31:51",
				"pics": [],
				"rate_id": "103045080228559127",
				"guid": "T6NdOcNyiJQtdhiOXqORwX2G",
				"score": 5,
				"display_user_nick": "扶摇公子Kiss",
				"auction_sku": "BM1(S2);",
				"add_feedback": null
			},

运行

def parse_jd_comments(comment_data):
    """
    解析京东评论：整合主评/追评、带图评论、情感判断
    :param comment_data: 接口返回的评论数据
    """
    all_comments = []
    # 1. 处理主评（必存在）
    main_comments = comment_data.get("result", {}).get("comments", [])
    for main in main_comments:
        # 提取带图评论的图片URL（无图则返回空列表）
        comment_images = [img.get("url") for img in main.get("images", []) if img.get("url")]
        # 情感判断：1-2分=差评，3分=中评，4-5分=好评
        emotion = "差评" if main.get("score", 3) <=2 else "中评" if main.get("score")==3 else "好评"
        all_comments.append({
            "comment_id": main.get("id"),
            "user_nick": main.get("nickname", "匿名用户"),  # 脱敏昵称，如“李**”
            "emotion": emotion,
            "content": main.get("content", "").replace("\n", " "),  # 处理换行符
            "images": comment_images,
            "create_time": main.get("create_time"),
            "comment_type": "主评"
        })
    
    # 2. 处理追评（部分评论无追评，需判断）
    after_comments = comment_data.get("result", {}).get("after_comments", [])
    for after in after_comments:
        after_images = [img.get("url") for img in after.get("images", []) if img.get("url")]
        emotion = "差评" if after.get("score", 3) <=2 else "中评" if after.get("score")==3 else "好评"
        all_comments.append({
            "comment_id": after.get("id"),
            "user_nick": after.get("nickname", "匿名用户"),
            "emotion": emotion,
            "content": after.get("content", "").replace("\n", " "),
            "images": after_images,
            "create_time": after.get("create_time"),
            "comment_type": "追评"
        })
    
    # 按评论时间倒序排序（最新评论在前）
    return sorted(all_comments, key=lambda x: x["create_time"], reverse=True)
# 示例调用
raw_comment = {
    "result": {
        "comments": [
            {"id": "12345", "nickname": "张**", "score": 1, "content": "质量差", "images": [{"url": "xxx.jpg"}], "create_time": "2025-12-20 10:00"}
        ],
        "after_comments": [
            {"id": "12346", "nickname": "李**", "score": 1, "content": "追加：掉漆了", "images": [], "create_time": "2025-12-23 15:00"}
        ]
    }
}
parsed_comments = parse_jd_comments(raw_comment)
print(f"共解析{len(parsed_comments)}条评论，其中{len([c for c in parsed_comments if c['emotion']=='差评'])}条差
``