如何使用Python的第三方库来解析淘宝评论的JSON数据？

import jsonfrom glom import glom# 1. 加载淘宝评论JSON（此处用字符串模拟，实际可从接口/文件读取）review_json_str = '''{
  "rateDetail": {
    "rateList": [
      {
        "displayUserNick": "tb123***",
        "grade": 5,
        "rateContent": "质量很好，物流快",
        "auction": {"title": "2024夏季短袖T恤", "price": "99.00"}
      },
      {
        "displayUserNick": "tb456***",
        "grade": 4,
        "rateContent": "面料不错，尺码略大",
        "auction": {"title": "2024夏季短袖T恤", "price": "99.00"}
      }
    ]
  }
}'''review_data = json.loads(review_json_str)# 2. 定义提取规则：提取所有评论的「用户名、评分、评论内容、商品标题」# 规则说明：遍历rateList列表，为每个元素提取指定字段extract_rule = (
    "rateDetail.rateList",  # 数据源：评论列表
    [
        {
            "用户名": "displayUserNick",
            "评分": "grade",
            "评论内容": "rateContent",
            "商品标题": "auction.title"  # 嵌套字段：auction下的title
        }
    ])# 3. 执行提取parsed_comments = glom(review_data, extract_rule)# 4. 查看结果print("=== glom提取嵌套字段结果 ===")for idx, comment in enumerate(parsed_comments, 1):
    print(f"第{idx}条：{comment}")

import jsonimport pandas as pd# 1. 加载官方API返回的JSONofficial_json_str = '''{
  "taobao_item_review_get_response": {
    "code": 0,
    "reviews": {
      "review": [
        {"nick": "tb123***", "rate": 5, "content": "推荐购买", "created": "2024-05-20"},
        {"nick": "tb456***", "rate": 3, "content": "一般般", "created": "2024-05-19"}
      ]
    }
  }
}'''official_data = json.loads(official_json_str)# 2. 提取评论列表并转为DataFramereview_list = official_data["taobao_item_review_get_response"]["reviews"]["review"]df = pd.DataFrame(review_list)# 3. 结构化分析：筛选5星评论、统计评分分布# 筛选5星评论five_star_df = df[df["rate"] == 5]# 统计评分分布score_dist = df["rate"].value_counts().sort_index()# 4. 查看结果print("\n=== pandas结构化分析结果 ===")print("所有评论表格：")print(df[["nick", "rate", "content", "created"]])print("\n5星评论：")print(five_star_df[["nick", "content"]])print("\n评分分布：")print(score_dist)

import jsonimport pandas as pdimport jiebafrom collections import Counter# 1. 加载评论JSON并转为DataFrame（沿用场景2的df）# 2. 文本清洗：去除特殊符号、多余空格def clean_content(content):
    import re    # 去除非中文/英文/数字的字符（如表情、标点）
    content = re.sub(r"[^\u4e00-\u9fa5a-zA-Z0-9\s]", "", str(content))
    # 去除多余空格
    return re.sub(r"\s+", " ", content).strip()# 应用清洗函数df["clean_content"] = df["content"].apply(clean_content)# 3. 中文分词（用jieba）def cut_words(content):
    # 分词并过滤短词（长度<2）和停用词
    stop_words = {"的", "了", "是", "我", "在", "和", "都", "很"}  # 自定义停用词
    words = jieba.lcut(content)
    return [word for word in words if len(word) >= 2 and word not in stop_words]# 对所有清洗后的评论分词df["words"] = df["clean_content"].apply(cut_words)# 4. 提取热词：统计所有评论中的高频词all_words = []for words in df["words"]:
    all_words.extend(words)top10_words = Counter(all_words).most_common(10)# 5. 查看结果print("\n=== jieba文本清洗与热词提取结果 ===")print("清洗后的评论：")print(df[["content", "clean_content"]])print("\n分词结果：")print(df[["clean_content", "words"]])print("\n评论热词TOP10：")for word, count in top10_words:
    print(f"{word}: {count}次")

import jsonfrom jsonpath_ng import parse# 1. 加载前端接口评论JSON（沿用场景1的review_data）# 2. 定义JSONPath查询表达式：提取2024年5月的5星评论内容# 表达式说明：$..rateList[?(@.grade==5 && @.rateDate=~/2024-05/)]?.rateContent# $..rateList：遍历所有rateList元素；?()：筛选条件；@.grade==5：评分5星；@.rateDate=~/2024-05/：时间含2024-05jsonpath_expr = parse('$..rateList[?(@.grade==5 && @.rateDate=~/2024-05/)].rateContent')# 3. 执行查询matches = [match.value for match in jsonpath_expr.find(review_data)]# 4. 查看结果print("\n=== jsonpath-ng复杂查询结果 ===")print("2024年5月的5星评论内容：")for idx, content in enumerate(matches, 1):
    print(f"第{idx}条：{content}")