不能稳定抓取，也不建议这么做，因短视频平台评论接口有严格反爬机制，需动态签名与设备验证，requests+beautifulsoup无法获取js渲染内容，合法路径仅有平台开放api且受限于资质与权限。
直接说结论：不能稳定抓取，也不建议这么做
短视频平台的公开评论接口基本都有严格反爬机制（如加密参数、设备指纹、行为验证），非官方 SDK 或未授权调用几乎必然触发 403、412 或滑块验证码。即使短时成功，IP 和账号也会快速被限流或封禁。
为什么 requests + BeautifulSoup 大概率失败
主流平台（抖音、快手、小红书）的评论数据不再通过 HTML 静态渲染，而是由前端 JS 动态拉取 /api/comment/list 类接口，且请求头中必须携带：Cookie、Authorization、X-SS-STUB（抖音）、X-Bogus（字节系）等动态签名字段。这些字段依赖设备信息、时间戳、用户行为序列实时生成，无法硬编码模拟。
- 用
requests.get()直接访问页面只会拿到空容器或骨架 HTML，评论内容在 JS 执行后才注入 - 尝试复现
X-Bogus算法需逆向 JS，但平台频繁更新签名逻辑，维护成本极高 - 哪怕绕过签名，服务端还会校验
User-Agent设备特征、TLS 指纹、鼠标轨迹等，普通脚本无法通过
合法可用的替代路径只有两条
如果真有分析需求，优先走平台开放能力，而非硬爬：
-
抖音开放平台：申请企业资质后接入
comment/list接口（需绑定已认证的抖音号，且仅能查该账号下视频的评论） -
快手开放平台：使用
video.comment.list接口，同样要求应用审核通过、视频归属明确、调用量受 daily quota 限制 - 二者都要求 OAuth2 授权，返回数据含基础情感倾向字段（如快手的
emotion_type），无需自己做 NLP
自行训练情感模型分析评论的前提，是先有干净、合规、足量的数据源——而这个源头，目前只掌握在平台手里。
本地情感分析可以做，但别和“抓取”绑在一起
如果你已有合法获取的评论文本（比如导出 CSV、平台 API 返回结果），用 Python 做情感分析本身很简单：
from snownlp import SnowNLP
# 或用更现代的方案
from transformers import pipeline
sentiment_pipeline = pipeline("sentiment-analysis", model="uer/roberta-base-finetuned-jd-binary-chinese")
<p>text = "这个视频太棒了！"
result = sentiment_pipeline(text)</p><h1>输出类似：{'label': 'POSITIVE', 'score': 0.992}</h1>
注意：snownlp 对网络新词支持弱，roberta-base-finetuned-jd-binary-chinese 是电商场景微调模型，对短视频口语化表达（如“绝绝子”“yyds”）可能误判。真实项目中得用领域语料重新微调，而不是直接套预训练模型。
真正卡住人的从来不是分析这一步，而是数据怎么来——这个环节不解决，后面所有代码都是空中楼阁。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
