> *作为当下最火爆的社交媒体之一，短视频评论区堪称一座蕴含海量用户洞察的“数据金矿”。无论是品牌方想要精准把握消费者需求，还是创作者希望了解受众反馈，高质量的评论数据都能提供关键支撑。于是，我专门用python语言开发了一款专为评论采集设计的工具“爬dy搜索评论软件”，轻松解决数据获取难题。*

# 一、工具适配与技术说明
## 1.1 适配环境
Windows系统用户可直接双击启动，无需安装Python运行环境，上手即用，极大降低操作门槛。
## 1.2 核心技术
工具基于Python语言开发，整合多个高效模块：
```python
tkinter：构建简洁易用的GUI界面
requests：处理网络爬虫请求
json：解析接口响应数据
pandas：实现数据清洗与CSV文件保存
logging：记录运行日志，保障操作可追溯
```
## 1.3 代码实现
界面部分：
```python
# 创建主窗口
root = tk.Tk()
root.title('爬dy搜索评论软件v1.4')
# 设置窗口大小
root.minsize(width=900, height=650)
```
爬虫请求部分：
```python
# 发送请求
r = requests.get(url, headers=h1)
# 接收响应数据
json_data = r.json()
```
数据保存部分：
```python
# 保存数据到DF
df = pd.DataFrame(
    {
        '目标链接': 'https://www.douyin.com/video/' + str(video_id),
        '页码': page,
        '评论者昵称': user_name_list,
        '评论者id': user_unique_id_list,
        '评论者uid': uid_list,
        '评论者主页链接': user_url_list,
        '评论时间': create_time_list,
        '评论IP属地': ip_list,
        '评论点赞数': like_count_list,
        '评论级别': cmt_level_list,
        '评论内容': text_list,
    }
)
# 保存到csv
df.to_csv(self.result_file2, mode='a+', header=header, index=False, encoding='utf_8_sig')
```
日志记录部分:
```python
def get_logger(self):
    self.logger = logging.getLogger(__name__)
    # 日志格式
    formatter = '[%(asctime)s-%(filename)s][%(funcName)s-%(lineno)d]--%(message)s'
    # 日志级别
    self.logger.setLevel(logging.DEBUG)
    # 控制台日志
    sh = logging.StreamHandler()
    log_formatter = logging.Formatter(formatter, datefmt='%Y-%m-%d %H:%M:%S')
    # info日志文件名
    info_file_name = time.strftime("%Y-%m-%d") + '.log'
    # 将其保存到特定目录
    case_dir = r'./logs/'
    info_handler = TimedRotatingFileHandler(filename=case_dir + info_file_name,
                                            when='MIDNIGHT',
                                            interval=1,
                                            backupCount=7,
                                            encoding='utf-8')
    self.logger.addHandler(sh)
    sh.setFormatter(log_formatter)
    self.logger.addHandler(info_handler)
    info_handler.setFormatter(log_formatter)
    return self.logger
```
# 二、工具功能
## 2.1 双模式采集
这款工具支持两种核心采集模式，可根据实际需求灵活选择：
- 关键词采集模式：通过设定作品关键词，自动抓取相关视频链接，再深度提取评论内容，实现“关键词→作品→评论”的全链路采集。
- 作品链接采集模式：直接输入指定视频链接，精准采集目标作品下的所有评论，高效聚焦特定内容。

## 2.2 精准筛选
内置多重筛选功能，帮助用户快速锁定有效数据：
- 时间筛选：支持自定义起始时间和结束时间（格式为YYYY-MM-DD HH:MI:SS，时分秒可灵活选择是否填写），也可直接选择发布时间范围（不限/一天内/一周内/半年内）。
- 排序筛选：提供综合排序、最新发布、最多点赞三种排序方式，按需获取优质评论。
- 多维度精准定位：可同时设置多个作品关键词、评论关键词和IP属地，精准圈定目标数据范围。

# 三、工具界面与操作指引
## 3.1 界面概览
![图片](https://developer.qcloudimg.com/http-save/yehe-11880607/252c7c97e89bca59dcfd499557d4fc10.png)
软件运行界面工具界面简洁清晰，主要分为参数设置区、筛选条件区和运行日志区。参数设置区可填写作品关键词、作品链接等核心信息；筛选条件区支持设置时间范围、排序方式、IP属地等；运行日志区实时展示采集进度和状态，直观掌握操作情况。
## 3.2 前置准备
使用前需完成两项基础设置：填写Cookie：在工具配套的cookie.txt文件中填入个人Cookie（内附详细获取教程，操作简单易懂），方便后续重复使用。
![图片](https://developer.qcloudimg.com/http-save/yehe-11880607/2359344b40261d5dc973200bd8c7bb3a.png)
cookie获取方法注意事项：关键词采集和作品链接采集不可同时启用，需根据需求选择单一模式操作。 

## 3.3 操作步骤
关键词采集：填写作品关键词、评论关键词、IP属地等筛选条件，设置时间范围和排序方式，点击“关键词采集”按钮即可启动。作品链接采集：输入单个或多个视频链接，配置评论筛选条件，点击“链接采集”按钮开始采集。退出程序：完成采集后，点击“退出程序”即可安全关闭工具。
# 四、采集结果展示
工具输出两种CSV格式数据文件，字段完整，方便后续分析使用：
## 4.1 作品数据
![图片](https://developer.qcloudimg.com/http-save/yehe-11880607/f5fa320bfa69a792e64332e88698bd3e.png)
搜索.csv包含13个核心字段：关键词、页码、视频标题、视频链接、作者昵称、作者uid、作者链接、作者粉丝数、发布时间、点赞数、评论数、收藏数、转发数，全面呈现视频基础信息。
## 4.2 评论数据
![图片](https://developer.qcloudimg.com/http-save/yehe-11880607/2fe0693c7443fff89d6dab9383d66383.png)
评论.csv涵盖11个关键维度：目标链接、页码、评论者昵称、评论者id、评论者uid、评论者主页链接、评论时间、评论IP属地、评论点赞数、评论级别（一级/二级）、评论内容，完整保留评论核心信息。

# 五、演示视频
软件使用过程的完整演示：
> mp.weixin.qq.com/s/pUcmYYmXPiZ6dSKVwrX8wQ

# END、免责声明
本工具首发公众号"老男孩的平凡之路"，仅用于合法的数据采集与分析用途，禁止用于任何违法违规活动。若因用户不当使用导致的法律责任，均由用户自行承担，与工具开发者无关。

作为当下最火爆的社交媒体之一，短视频评论区堪称一座蕴含海量用户洞察的“数据金矿”。无论是品牌方想要精准把握消费者需求，还是创作者希望了解受众反馈，高质量的评论数据都能提供关键支撑。于是，我专门用python语言开发了一款专为评论采集设计的工具“爬dy搜索评论软件”，轻松解决数据获取难题。

【技术分享】用python开发的短视频评论区采集软件

我专门用python语言开发了一款为评论采集设计的工具“爬dy搜索评论软件”，轻松解决数据获取难题。

前端

编程语言

大数据

"爬dy搜索评论软件"是一款基于Python开发的短视频评论采集工具，支持关键词和链接双模式采集，提供时间筛选、排序方式等多维度精准定位。无需安装Python环境，Windows系统即开即用，可导出包含视频信息和评论数据的CSV文件，助力用户高效获取抖音平台评论数据，适用于市场调研和内容分析。

数据清洗

日志文件

网络爬虫

Windows

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【技术分享】用python开发的短视频评论区采集软件-腾讯云开发者社区-腾讯云

【技术分享】用python开发的短视频评论区采集软件

【技术分享】用python开发的短视频评论区采集软件

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐