StarModel 邀请活动
← 返回 Skill 列表
extension
分类: 其它API Key 暂未确认

电商评论抓取洞察分析

从任意电商商品页或评论页抓取客户评论,返回评论人昵称、星级评分、日期、评论标题、正文、是否验证购买及有用票数。采用多策略解析(JSON-LD 结构化数据、Amazon 页面结构、WooCommerce 页面结构、通用微数据与通用 CSS 模式),支持多页评论分页采集,适用于 Amazon、WooCommerce、Shopify 及任何带标准评论标记的站点,为口碑分析、选品调研与用户反馈洞察提供数据基础。Use when 需要采集电商商品评论、分析客户反馈或批量收集评分数据时使用。Triggers include 商品评论、客户反馈、评论抓取、情感分析数据、review scraping。如需完整版,请淘宝搜索店铺「AI灵匣」

person作者: u_1ea983achubenterprise

电商 — 商品评论

商品 URL → 分页的客户评论(评论人、评分、日期、标题、正文、验证购买、有用票数)

语言

所有面向用户的处理输出(进度更新、过程通知)均遵循用户的语言。

目标

使用多策略方法(JSON-LD Review → Amazon DOM → WooCommerce DOM → 通用微数据 → 通用 CSS 模式)从任意可公开访问的电商商品页或评论页提取客户评论。

前置条件

  • 目标浏览器已打开并已连接
  • 公开评论页面无需登录

执行前检查

1. 工具就绪

如果 browser-act 已在当前会话中确认可用 → 跳过此步骤。

通过 Skill 工具调用 browser-act 加载用法。如果出现安装或配置问题,按其指引解决后重试。

能力组件

本技能的运行边界 = 用户在浏览器中可手动完成的操作。它只读取页面上已展示给用户的数据。JS 代码封装在 scripts/ 目录下的 Python 文件中,通过 eval "$(python scripts/xxx.py {params})" 调用。使用 bash 工具执行。

DOM:从当前页面提取评论

先导航到商品/评论页,然后提取:

eval "$(python scripts/extract-reviews.py --max-reviews 20)"

参数:

  • --max-reviews:每页返回的最大评论数,默认 20

输出示例:

{
  "count": 20,
  "reviews": [
    {
      "reviewer": "John D.",
      "rating": 5.0,
      "date": "Reviewed in the United States on May 15, 2026",
      "title": "Great product, exactly as described",
      "body": "I've been using this for two weeks and it works perfectly...",
      "verified": true,
      "helpful_votes": 42
    }
  ]
}

组合:商品 URL → 带排序与分页的评论

步骤 1 — 导航到评论页:

| 平台 | 评论页 URL 模式 | |----------|---------------------| | Amazon | https://www.amazon.com/product-reviews/{ASIN}?sortBy=recent(最新)或 sortBy=helpful | | Amazon(从商品页进入) | 滚动到评论区域或点击 "See all reviews" 链接,wait stable | | WooCommerce | 商品页 URL 加 #reviews 锚点;评论内嵌在页面中 | | Shopify | 评论通常内嵌在商品页中 | | 通用 | 导航到商品 URL;评论区域通常在商品信息下方 |

步骤 2 — 提取评论:

eval "$(python scripts/extract-reviews.py --max-reviews 20)"

步骤 3 — 分页(Amazon): Amazon 评论页支持 URL 分页:

  • 最新排序:https://www.amazon.com/product-reviews/{ASIN}?sortBy=recent&pageNumber={page}
  • 最有帮助排序:https://www.amazon.com/product-reviews/{ASIN}?sortBy=helpful&pageNumber={page}

对每一页:navigate {reviews_url_with_page} → wait stable → 重新运行 extract-reviews.py

终止条件:count 返回 0,或与上一页相比没有出现新评论。

分页

URL 分页(Amazon):递增评论 URL 中的 pageNumber 参数。从 1 开始。

DOM 分页(WooCommerce/通用):在评论区域查找"下一页"分页链接。使用 eval "$(python ../ecommerce-listing/scripts/extract-listing-next-page.py)" 检测它,然后导航。

终止条件:has_next 为 false,或 count 为 0。

成功标准

result.count >= 1 AND reviews[0].body != null

已知限制

  • Amazon:新会话需先从 https://www.amazon.com 开始导航,以避免机器人检测
  • JSON-LD 评论通常仅覆盖很小的子集(3–5 条),即使实际存在数百条;需使用 Amazon 专用 URL 获取完整评论
  • WooCommerce 和 Shopify 的评论数据取决于所安装的评论插件;若使用非标准插件,正文提取结果可能为 null
  • 评论日期可能是本地化格式的字符串而非 ISO 日期,具体取决于站点配置

执行效率

  • 批量编排:串行循环遍历各评论页;在每次导航之间加入 1–2 秒间隔
  • 批量前先测试:多页提取前先用第 1 页测试
  • 错误续跑:记录页码;失败后从最后成功的页继续

经验记录

路径:{working-directory}/browser-act-skill-forge-memories/ecommerce-scraper-ecommerce-reviews.memory.md

执行前:如果该文件存在,先读取它——其中记录了过去执行中遇到的意外情况;据此调整策略顺序。

执行后:如果遇到意外情况(策略失效、页面改版、反爬升级、发现更好的路径),追加一行: {YYYY-MM-DD}: {发生了什么} → {结论}