在當今社交媒體盛行的時代，了解用戶在Facebook上的評論對於品牌管理、市場調研和社交媒體監控等方面具有重要意義。使用Python，您可以輕鬆地跟蹤和收集Facebook上的評論，從而進行數據分析、情感分析或其他相關應用。

本文將指導您如何使用Python來跟蹤Facebook評論，幫助您了解用戶對特定話題、品牌或活動的看法和反饋。

一、准備工作

在開始之前，您需要確保已經安裝了Python環境，併了解基本的編程概念。此外，您還需要進行以下准備工作：

創建Facebook開發者賬號：要訪問Facebook數據，您需要創建一個Facebook開發者賬號併創建一個應用程序。按照Facebook開發者文檔的指引完成這些步驟。

安裝必要的Python庫：您需要安裝一些Python庫來處理網絡請求、解析HTML以及進行數據分析。這些庫包括requests、BeautifulSoup和pandas。您可以使用以下命令通過pip安裝這些庫：

shell

pip install requests beautifulsoup4 pandas

獲取Facebook評論數據：要獲取Facebook評論數據，您需要使用Facebook Graph API。在Facebook開發者中心中，找到您的應用程序併獲取API密鑰和訪問令牌。這些密鑰將用於身份驗證和數據訪問。

二、編寫Python腳本

接下來，我們將編寫一個Python腳本來獲取Facebook評論數據。請打開您的文本編輯器，創建一個新文件，併將以下代碼黏貼到文件中：

python

import requests  

import json  

import pandas as pd  

from bs4 import BeautifulSoup  

# Facebook API密鑰和訪問令牌  

api_key = '您的Facebook API密鑰'  

access_token = '您的Facebook訪問令牌'  

# 定義獲取Facebook評論的函數  

def get_facebook_comments(post_id):  

    # 構建請求URL  

    url = f"https://graph.facebook.com/{post_id}/comments?fields=id,message,created_time,like_count&access_token={access_token}"  

    # 發送HTTP請求獲取JSON數據  

    response = requests.get(url)  

    response.raise_for_status()  # 檢查請求是否成功  

    # 將JSON數據解析為Python字典列錶  

    comments = response.json()['data']  

    # 處理評論數據併返回pandas DataFrame格式的結果  

    comments_df = pd.DataFrame(comments)  

    comments_df.columns = ['id', 'message', 'created_time', 'like_count']  

    return comments_df  

# 調用函數獲取評論數據併打印結果  

post_id = '目標Facebook帖子的ID'  # 請替換為實際的帖子ID  

comments_df = get_facebook_comments(post_id)  

print(comments_df)

請註意，您需要將api_key和access_token替換為您在Facebook開發者中心中獲取的實際值。另外，您需要將post_id替換為您要跟蹤的特定Facebook帖子的ID。此ID可以在帖子URL中查找，通常是一個較長的數字字符串。

三、運行腳本和測試跟蹤功能

保存併運行腳本。如果一切正常，您將看到從Facebook獲取的評論數據以DataFrame格式打印在控制臺上。您可以根據需要對數據進行進一步處理和分析，例如篩選特定時間範圍內的評論、對評論進行情感分析或對數據進行可視化等。