影刀RPA实操指南微博评论区采集与关键词舆情汇总做品牌监测的朋友应该都体会过热搜话题下面几千条评论想知道大家到底在骂什么、夸什么只能一条条往下翻看完眼睛花了记录还只是凭感觉。微博评论区采集加上关键词舆情汇总就是为这个痛点准备的方案而影刀RPA让非技术出身的人也能把这件事做成每天自动跑的流程。我自己是做电商运营的代码只会一点皮毛影刀RPA用了两年多。去年接过一个需求每天早高峰前把某个话题下的新评论抓下来按关键词分类计数生成一份舆情汇总表发到飞书群。从零搭起来花了两天之后每天自动运行再也没人工翻过评论。这篇就把整个流程的搭法拆开讲清楚从评论列表的元素定位、相似元素循环采集到关键词统计、飞书通知中间踩过的坑也一并写出来。全文跟着做你能得到一个每天自动出舆情日报的机器人。采集方案设计先拆流程再动手很多人一上来就拖指令拖到一半发现逻辑乱了。我的习惯是先把流程拆成四个子流程编号命名后面改哪块就进哪块。01_打开微博并定位到目标话题页02_展开并采集评论区数据03_关键词统计与汇总表生成04_飞书通知与运行日志记录这样拆的好处是调试的时候可以单独跑某一段。有一次第02段采集总是漏数据我单独把它拖出来反复跑十分钟就定位到是懒加载没等够如果全流程连着跑每次都要等前面两分钟效率差太多。影刀RPA里建子流程就是在左侧流程树右键新建流程用参数传递把话题链接、关键词列表这些可变的东西放在主流程定义子流程只管干活。参数化做完换一个话题监控只需要改一个输入框。安装与浏览器插件开工前的环境准备如果还没装影刀RPA去官网下载社区版就能开工社区版每天有30分钟运行时长练手和日更舆情完全够用不够再考虑创业版。安装完成后有两件事必须做安装浏览器插件编辑器里新建网页自动化应用时会提示安装点一下就好不装插件网页元素捕获不了。登录微博账号先用浏览器手动登录一次保持登录态流程运行时直接复用。新建应用时选桌面应用还是网页应用也有讲究微博采集全程在网页里操作选网页应用指令面板里的网页类指令才能直接用。界面区域简单过一遍中间是流程画布右侧是指令详情面板每拖一个指令在这里填参数左侧是指令库和流程树。记住这个布局后面所有操作描述都基于它。评论列表定位捕获元素与XPath写法评论采集的核心是指令获取相似元素列表——把一页里所有结构相同的评论一次抓成一个列表。操作路径点击顶部工具栏捕获元素浏览器跳转后鼠标移到评论上出现橙色边框点第一条评论再点第二条影刀RPA会自动归纳出相似规则。自动归纳不一定靠谱微博的class名经常带一串动态哈希今天采明天就失效。我的做法是捕获后手动改成XPath稳定得多。几个实用写法# 捕获元素话题页评论列表容器整个评论区的外框 //*[idpl_feedlist]//div[contains(class,list)] # 捕获元素单条评论的正文文本节点 //*[contains(class,txt)] and contains(text(),回复) # 模糊匹配定位包含共xx条的评论总数文本 //*[contains(text(),共) and contains(text(),条)] # 参照物定位通过评论时间定位它所在的那条评论块 //div[classWB_from S_txt2]/parent::divXPath和CSS选择器都能定位元素我的选型经验是结构简单、class稳定用CSS选择器写起来短class动态、需要按文本或层级找的用XPath的contains和轴定位。两条路都要会遇到动态页面XPath是救命的那条。F12开发者工具是必备技能右键评论选检查看元素源代码把class里那串会变的哈希数字去掉只留固定部分用contains匹配。这是我从官方用元素源代码区分元素类型和状态那篇文档里学来的思路实测好用。相似元素循环与翻页采集主体逻辑拿到相似元素列表后用ForEach列表循环遍历循环体里用获取元素信息(web)提取每条评论的文本、昵称和时间。这里有个新手大坑获取元素信息如果元素存在但没有那个属性指令会返回None后面直接对None做strip()就报’NoneType’ object has no attribute的错。官方文档明确给过解法先用If判断结果是不是None不是才处理。翻页逻辑分两种情况官方文档网页数据获取时需要翻页或下拉里讲得很细能确定总页数捕获共XX页文本用字符串截取提出数字for次数循环固定次数不确定总页数判断下一页按钮的class里是否含disabled不含就点击翻页含了说明到最后一页微博评论区更接近第三种滚动加载。往下滚到底才加载新评论处理思路是滚动→等待→判断评论数量是否增加三步循环数量不再增加就停。循环里一定要加一个最大滚动次数比如50次防止页面抽风时死循环这是我用一整晚机器空转换来的教训。每采一页把评论数据用写入行数据到表格类的表格指令追加进数据表格别攒到最后一次性写——中途报错前面的数据就白采了。关键词统计与舆情汇总表评论抓回来后做关键词汇总。Python协同在这一步最好用影刀RPA里拖入Python组件可以直接写代码处理列表。# 输入comments采集到的评论文本列表keywords关键词列表如[发货,质量,客服,物流]# 输出summary字典键关键词值出现次数negative命中负面词的评论列表summary{}negative[]negative_words[垃圾,差评,投诉,骗]forcincomments:textstr(c).strip()# 去掉两端空格防止空字符串干扰ifnottext:# 空评论直接跳过不参与统计continueforkwinkeywords:ifkwintext:# 字典键不存在时的两种方案之一setdefault先给默认值0再累加summary[kw]summary.get(kw,0)1forwinnegative_words:ifwintext:negative.append(text)break# 命中一个负面词就记录避免重复计数print(summary)# 输出示例{物流: 37, 发货: 22, 客服: 15}统计结果写进Excel三列关键词、提及次数、环比变化。环比用获取时间详细信息取昨天同款数据对比负向词命中数单独一列超过阈值就触发告警。变量类型这块提醒一句从Excel读出来的是字符串计数前要转数字评论列表是列表类型遍历用ForEach列表循环而不是次数循环类型搞混是新手最常见的报错来源。弹窗与异常鼠标键盘图像兜底微博偶尔会弹登录过期提示、广告浮层这些弹窗结构经常变元素定位搞不定时用图像识别兜底指令库里搜点击图像捕获弹窗关闭按钮的截图即可。图像识别对分辨率敏感开发机和运行机的屏幕缩放要设成一样的否则点偏这也是官方排错文档里反复强调的点。键盘操作主要用在搜索框模拟输入话题词后回车触发搜索输入文本指令记得选模拟人工输入模式有些前端框架只响应真实键盘事件。整个采集主体拖进Try块Catch块里放打印日志加错误截图指令Finally块统一关闭浏览器——报错时你能拿到截图排查快十倍。平台迁移思路与进阶技能这套流程换个平台照样能用我把它迁移过两次环节微博小红书列表定位class较固定class带哈希用contains加载方式滚动加载点击展开更多回复频控风险较低高加随机延迟3-6秒登录态Cookie易失效扫码后Cookie可用较久进阶玩法是OCR部分评论里的图片表情包、截图投诉用识别文件内容这类OCR指令百度OCR模块或影刀离线OCR提取文字后一并进关键词统计。影刀离线OCR免费不联网中文识别率不错首次安装要等五分钟左右耐心等。需要识别屏幕上某个区域时也可以用点击文本(OCR)直接按识别出的文字点击。舆情日报自动推送飞书群通知与定时任务最后一步是把汇总表推出去。用飞书群机器人Webhook发消息最简单建一个自定义机器人拿到Webhook地址流程里用HTTP请求POST一段JSON把Top3关键词和负面命中数写进消息文本全体成员用mention参数。定时任务在影刀RPA里配置左侧计划任务新建触发器选每天早上8点半勾选刚发布的流程。夜间跑的话把采集频率降下来别在平台风控最严的时段高频请求。我现在的节奏是每天两跑8点半出早报20点补一次晚班数据。跑起来之后记得看运行日志影刀RPA的日志按流程树逐条记录出问题先看最后一条成功的指令是哪个缩小范围再进对应子流程加断点单步排查。易错速查表采集类流程90%的问题都在下面这几条里跑不通先对着查现象原因解决报’NoneType’ object has no attribute元素无该属性指令返回NoneIf判断None再操作第二页开始采不到数据懒加载未等待滚动后等新评论数量增加XPath昨天能用今天失效class含动态哈希contains匹配固定部分循环采着采着卡死滚动判断无退出条件加最大滚动次数上限图像点击点偏屏幕缩放不一致统一开发与运行机缩放比例再补三条文字版一是评论去重要做翻页重叠会采到重复评论用评论ID时间拼成键去重二是写入Excel前先打开/新建Excel拿到对象跑完记得关闭保存否则数据停在缓冲区三是社区版30分钟限额全流程要控制在时限内超了就拆成两个定时任务分时段跑。学习资源与延伸阅读官方文档的网页相似元素循环常见场景及解决方案和网页懒加载场景和解决方案这两篇是我做评论区采集时翻得最多的建议照着官方示例亲手跑一遍。想直接要这套舆情流程的模板和XPath速查表的可以去作者的代码仓库 home.linyan.cloud 拿我把子流程拆好的版本和参数说明都放在里面了改个话题链接就能用。官方学院里有网页自动化专题的免费视频课配合本文看效率更高。先跑通微博版再按上面的迁移表改成自己业务的平台两周内你就能拥有一套每天自动出报告的舆情监控机器人。#影刀RPA #RPA自动化 #微博采集 #舆情监控 #数据采集作者林焱