TikTok 是目前全球用户规模最大的短视频社交平台之一，日活跃用户超过 10 亿，内容覆盖娱乐、教育、电商等各大垂类。在这个庞大的内容生态里，评论区往往比视频本身更具研究价值——用户的真实反馈、情感倾向、消费意图，全都沉淀在一条条评论文字中。
然而，TikTok 平台并未开放公共评论 API，且页面采用 JavaScript 动态加载机制，给数据获取带来了一定难度。本文将手把手带你用 Python 完成 TikTok 评论数据抓取的全流程。
一、TikTok 评论数据的核心应用场景
在正式动手之前，我们先明确一个问题：抓取 TikTok 评论数据，究竟能用来做什么？
- 竞品内容分析：通过批量抓取竞品账号热门视频下的 TikTok 评论，可以快速识别用户最关注的产品痛点和功能需求，为差异化内容策略提供依据。
- 爆款内容研究：高赞评论往往预示着用户的共鸣点。分析爆款视频的评论关键词分布，有助于创作团队找到下一个流量爆发点。
- 舆情监控与品牌管理：对品牌相关视频下的 TikTok 评论持续进行情感分析，可以实时感知舆论风向，为公关决策提供数据支撑。
- 用户画像构建：评论者的发言内容、互动频率、IP属地等信息，是构建精准用户画像的重要原始素材。
基于以上场景，本文的目标是：使用Python搭建一个轻量级的TikTok数据监控工具，并通过代理IP解决采集过程中常见的访问限制问题，让你的TikTok数据爬取任务更稳定、更高效。
二、Python 抓取 TikTok 评论数据：完整实战教程
了解了应用场景，我们正式进入技术实现环节。整个流程分为 8 个步骤，每步附完整可运行代码。
第 1 步：工具准备与依赖安装
在开始抓取 TikTok 评论之前，需要安装以下 Python 依赖库：
pip install requests pandas jieba wordcloud matplotlib各库用途说明：
requests：发送 HTTP 请求pandas：数据清洗与 CSV 存储jieba：中文分词（用于评论关键词分析）wordcloud+matplotlib：词云可视化
同时建议按如下结构组织项目目录，便于后续管理：
TikTokCommentScraper/ ├── data/ # 存放抓取结果 ├── scripts/ # 爬虫脚本 ├── logs/ # 运行日志 ├── requirements.txt └── README.md第 2 步：分析 TikTok 评论加载机制
在编写代码之前，必须先通过浏览器开发者工具（F12）摸清 TikTok 评论的数据接口。
打开目标视频页面，在 Network 面板中筛选 XHR 请求，找到类似/api/comment/list/的接口请求。该接口返回结构化 JSON 数据，包含评论内容、点赞数、用户信息、IP 属地等字段。
TikTok 评论页面通过 JavaScript 动态渲染，传统静态请求无法直接获取。核心参数中，cursor字段用于控制翻页偏移量（通常步长为 20），aweme_id为目标视频 ID，这两个参数是实现翻页抓取的关键。
第 3 步：构造请求，获取评论接口数据
从 Network 面板复制请求头中的Cookie和请求参数后，即可构造如下请求：
import requests # 建议使用 Session session = requests.Session() HEADERS = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36", "Referer": "https://www.tiktok.com/", "Accept": "application/json, text/plain, */*", "Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8", "Cookie": "你的完整Cookie" } def get_comments(aweme_id, cursor=0, count=20): url = "https://www.tiktok.com/api/comment/list/" # 注意：这里的 params 必须包含你从浏览器中抓到的所有加密参数（如 X-Bogus） # 并且这些参数通常与当前的 cursor、timestamp 绑定，直接写死可能会导致翻页（cursor变动）时失效 params = { "aweme_id": aweme_id, "cursor": cursor, "count": count, # "X-Bogus": "xxxxxx", # 必须从抓包中获取 # "_signature": "xxxxxx", } try: response = session.get(url, headers=HEADERS, params=params, timeout=10) response.raise_for_status() # 如果返回 4xx 或 5xx 错误会抛出异常 return response.json() except Exception as e: print(f"请求失败: {e}") return None注意：Cookie 具有时效性，失效后需重新从浏览器获取。建议将 Cookie 存入独立配置文件，便于统一管理和更新。
第 4 步：配置代理，提升 TikTok 数据抓取稳定性
数据抓取过程中，频繁请求同一接口极易触发 TikTok 的风控机制，导致IP被封禁从而影响数据抓取进程。为保障 TikTok 数据抓取的稳定性，很多专业数据采集团队选择通过专业代理商（如IPFoxy）配置可轮换的动态代理池，作为解决方案。
下面以IPFoxy动态住宅代理为例，演示如何在 Python 中配置并使用代理。
- 获取代理信息
通过IPFoxy获取【动态住宅代理】，分别配置州城市、协议类型、会话轮换类型、代理格式等信息，获取到可用于链接的代理连接信息。
- 在Python中配置代理
将刚刚在IPFoxy复制的代理连接信息粘贴到配置以下配置示例代码中，如代理连接信息是：username:password@gate-us-ipfoxy.io:58688，那么配置代码示例如下：
import urllib.request if __name__ == '__main__': proxy = urllib.request.ProxyHandler({ 'https': 'username:password@gate-us-ipfoxy.io:58688', 'http': 'username:password@gate-us-ipfoxy.io:58688', }) opener = urllib.request.build_opener(proxy,urllib.request.HTTPHandler) urllib.request.install_opener(opener) content = urllib.request.urlopen('http://www.ip-api.com/json').read() print(content)这时，直醒行代码就可以从日志看到出口IP改变，此时信息配置成功，可以进行下一步操作。
除了代理轮换，还建议在每次请求之间加入随机延迟（如time.sleep(random.uniform(1.5, 3.5))），模拟真实用户的浏览节奏，显著降低被封禁的概率。
第 5 步：解析 TikTok 评论 JSON 数据
接口返回的 JSON 中，评论核心字段集中在comments数组内。以下代码完成字段提取：
from datetime import datetime def parse_comments(json_data): # 如果整个 json_data 为空或不是字典，直接返回空列表 if not json_data or not isinstance(json_data, dict): return [] comment_list = json_data.get("comments") or [] # 防止返回的 comments 字段本身为 None results = [] for item in comment_list: # 安全地转换时间戳为可读格式格式：YYYY-MM-DD HH:MM:SS raw_time = item.get("create_time") formatted_time = "" if raw_time: try: formatted_time = datetime.fromtimestamp(int(raw_time)).strftime('%Y-%m-%d %H:%M:%S') except Exception: formatted_time = str(raw_time) # 转换失败则保留原始数据 results.append({ "comment_id": item.get("cid"), "text": item.get("text"), "like_count": item.get("digg_count", 0), # 缺省为 0，方便后续数学计算 "reply_count": item.get("reply_comment_total", 0), # 缺省为 0 "create_time": formatted_time, # 已转换为可读时间 "ip_location": item.get("ip_label", "未知"), # 缺省为未知 "user_name": item.get("user", {}).get("nickname", "已注销用户"), # 链式安全获取，防止报错 }) return results可提取的字段包括：评论 ID、评论内容、点赞数、发布时间、IP 属地、用户昵称、回复数等十余个维度，足以支撑大多数业务分析需求。
第 6 步：将评论数据保存至 CSV
使用pandas将解析结果持久化存储，并支持增量写入（避免重复覆盖已有数据）：
import pandas as pd import os def save_to_csv(data, filepath="data/comments.csv"): # 防护 1：如果没有数据，直接返回 if not data: print("没有收到任何评论数据，跳过保存。") return # 防护 2：自动创建缺失的文件夹（如 data/） dir_name = os.path.dirname(filepath) if dir_name and not os.path.exists(dir_name): os.makedirs(dir_name) print(f"已自动创建目录: {dir_name}") df = pd.DataFrame(data) # 增量写入逻辑 if os.path.exists(filepath): df.to_csv(filepath, mode="a", header=False, index=False, encoding="utf_8_sig") else: df.to_csv(filepath, mode="w", header=True, index=False, encoding="utf_8_sig") print(f"成功保存 {len(data)} 条评论至 {filepath}")使用utf_8_sig编码可避免 Excel 打开 CSV 时出现中文乱码问题。
第 7 步：自动翻页，抓取更多 TikTok 评论
单次请求默认返回 20 条评论，通过循环递增cursor值即可实现批量抓取：
import time import random def scrape_all_comments(aweme_id, max_pages=50): all_comments = [] cursor = 0 # 动态定义文件名，将不同视频的评论区分开 filepath = f"data/comments_{aweme_id}.csv" print(f"开始抓取视频 {aweme_id} 的评论，预计保存至 {filepath}...") for page in range(max_pages): # 1. 构造请求 data = get_comments(aweme_id, cursor=cursor) # 鲁棒性检查：如果接口请求彻底失败（比如网络超时返回 None 或非字典） if not data or not isinstance(data, dict): print(f"第 {page+1} 页请求异常，未获取到有效 JSON 数据，停止抓取。") break # 2. 解析数据 comments = parse_comments(data) # 3. 判断是否抓取完毕 if not comments: print("本页未解析出任何评论，可能已抓取完毕或触发风控。") break # 4. 数据合并与即时保存 all_comments.extend(comments) save_to_csv(comments, filepath=filepath) # 传入动态路径 print(f"第 {page+1} 页：本页抓取 {len(comments)} 条，累计已抓取 {len(all_comments)} 条评论") # 5. 判断是否还有下一页 (TikTok 的 has_more 通常是 1 或 True) has_more = data.get("has_more") if not has_more or has_more in [0, "0", False]: print("接口返回 has_more 为空或为 False，评论已全部加载完毕。") break # 6. 安全更新 cursor next_cursor = data.get("cursor") if next_cursor is not None: cursor = next_cursor else: # 如果接口没返回 cursor，保守地通过 count 自增，防止死循环 cursor += 20 # 7. 随机延迟（频率控制） sleep_time = random.uniform(2.0, 4.5) # 稍微拉长一点延迟，TikTok 风控极严格 time.sleep(sleep_time) print(f"抓取任务结束！共成功抓取 {len(all_comments)} 条评论。") return all_comments通过has_more字段判断是否还有更多评论，避免无效请求造成资源浪费。
第 8 步：TikTok 评论关键词分析与词云可视化
抓取完成后，可对评论文本做进一步挖掘。以下示例使用 jieba 分词生成词云图：
import pandas as pd import jieba from wordcloud import WordCloud import matplotlib.pyplot as plt from collections import Counter def analyze_keywords(csv_path="data/comments.csv", top_n=20): # 1. 安全读取数据 try: df = pd.read_csv(csv_path, encoding="utf_8_sig") except FileNotFoundError: print(f"未找到数据文件: {csv_path}，请先确认数据已抓取并保存。") return # 提取评论文本并去空 comments_text = " ".join(df["text"].dropna().astype(str).tolist()) # 2. 自定义停用词列表（根据业务需要随时自行添加） stopwords = {"的", "了", "在", "是", "我", "你", "他", "她", "它", "们", "这", "那", "有", "都", "去", "和", "就", "也", "很", "到", "哈哈", "哈哈哈", "谢谢", "视频", "真的", "感觉", "一个"} # 3. 使用 jieba 分词并清洗数据 # 过滤掉单字（len > 1）以及停用词 cleaned_words = [w for w in jieba.cut(comments_text) if len(w) > 1 and w not in stopwords] # 4. 统计高频词 freq = Counter(cleaned_words).most_common(top_n) print(f" 过滤后的高频关键词 Top {top_n}：") for word, count in freq: print(f" {word}: {count} 次") # 5. 关键修正：将清洗好的词用空格拼接成字符串，再传给 WordCloud wordcloud_input_text = " ".join(cleaned_words) if not wordcloud_input_text.strip(): print("警告：没有足够的有效词汇用于生成词云！") return # 6. 生成并渲染词云 # 注意：font_path 的 simhei.ttf 确保你电脑系统里有这个字体，Mac 系统建议改为 "Arial Unicode.ttf" print("正在生成词云图...") wc = WordCloud( font_path="simhei.ttf", width=800, height=400, background_color="white", max_words=100 # 限制词云图上最多显示的词数，画面更整洁 ).generate(wordcloud_input_text) # 7. 展示与保存 plt.figure(figsize=(10, 5)) # 设置画布比例 plt.imshow(wc, interpolation="bilinear") plt.axis("off") # 确保 data 目录存在（复用前面的逻辑防错） import os os.makedirs(os.path.dirname(csv_path), exist_ok=True) output_img_path = os.path.join(os.path.dirname(csv_path), "wordcloud.png") plt.savefig(output_img_path, dpi=150, bbox_inches='tight') print(f" 词云图已成功保存至: {output_img_path}") plt.show()词云图直观呈现高频词汇，便于快速识别用户讨论热点，为内容选题和运营策略提供数据参考。
三、TikTok 评论抓取：效率与稳定性提升策略
基础流程跑通后，实际生产环境中还需考虑以下几个关键问题：
请求频率控制：除随机延迟外，可引入令牌桶算法精确控制 QPS，避免短时间内请求量过于集中。
Cookie 自动刷新：Cookie 失效是导致抓取中断的首要原因。建议将 Cookie 有效期监测纳入脚本逻辑，到期前自动发出告警或触发更新流程。
异常重试机制：网络波动或接口报错时，加入指数退避重试策略（如最多重试 3 次，每次等待时间翻倍），可大幅提高任务完成率。
数据去重：翻页过程中偶有评论重复返回，建议以comment_id为唯一键在写入 CSV 前进行去重过滤。
日志记录：使用 Pythonlogging模块记录每次请求的状态码、抓取数量和异常信息，方便排查问题和统计进度。
四、常见问题
Q：没有 TikTok 账号可以抓取评论吗？
A：部分接口无需登录即可访问，但稳定性较差，建议使用有效账号的 Cookie 以提高成功率。
Q：能否同时抓取多个视频的评论？
A：可以。建议使用 Pythonconcurrent.futures模块实现多线程并发抓取，同时注意控制总体请求速率，避免触发平台风控。
Q：如何抓取二级回复（子评论）？
A：在请求参数中额外传入comment_id即可调取对应的回复列表接口，逻辑与根评论完全一致，可直接复用翻页代码。
五、总结
本文完整演示了使用 Python 进行 TikTok 评论数据抓取的 8 个核心步骤：从安装依赖、分析接口机制，到配置代理、解析存储、翻页抓取，以及最终的评论关键词分析。针对实际运营中的稳定性挑战，我们也补充了请求频控、Cookie 管理、异常重试等工程化实践。
TikTok 数据抓取的真正价值在于数据应用——将评论关键词与情感分析、用户画像、内容策略相结合，才能将原始数据转化为可执行的业务洞察。
