如何使用PRAW获取Reddit子版块的帖子及对应评论并存储为JSON？

核心逻辑说明 #

通过PRAW调取的每一条投稿（submission）对象都自带comments属性，可直接获取该帖子下的评论内容。默认仅返回一级评论，嵌套回复需要调用replace_more方法展开全量层级。

完整实现步骤 #

1. 全量评论拉取代码实现 #

import praw
import json
import time
from datetime import datetime

# 替换为你自己的Reddit API凭证初始化实例
reddit = praw.Reddit(
    client_id="你的客户端ID",
    client_secret="你的客户端密钥",
    user_agent="你的应用标识"
)

all_result = []
# 2015年1月1日的时间戳，用于过滤投稿
start_timestamp = datetime(2015, 1, 1).timestamp()

# 可替换为new()/hot()等你需要的分类，limit=None表示拉取所有可访问的投稿
for submission in reddit.subreddit("dogs").top("all", limit=None):
    # 跳过2015年之前发布的投稿
    if submission.created_utc < start_timestamp:
        continue
    
    # 初始化单条投稿的基础信息
    post_item = {
        "post_id": submission.id,
        "title": submission.title,
        "author": str(submission.author),
        "publish_time": datetime.fromtimestamp(submission.created_utc).strftime("%Y-%m-%d %H:%M:%S"),
        "upvote_num": submission.score,
        "comment_list": []
    }

    # 展开所有隐藏的嵌套评论，limit=None表示加载全部，可修改数值限制评论加载量减少耗时
    submission.comments.replace_more(limit=None)
    # 遍历所有层级的评论
    for comment in submission.comments.list():
        comment_item = {
            "comment_id": comment.id,
            "comment_author": str(comment.author),
            "content": comment.body,
            "comment_publish_time": datetime.fromtimestamp(comment.created_utc).strftime("%Y-%m-%d %H:%M:%S"),
            "comment_upvote": comment.score,
            "parent_id": comment.parent_id
        }
        post_item["comment_list"].append(comment_item)
    
    all_result.append(post_item)
    # 可选：拉取单条投稿后加延时，避免触发API请求频率限制
    time.sleep(0.5)

2. 存储为JSON格式 #

数据拉取完成后直接用json库写入本地文件即可：

with open("r_dogs_2015_comments.json", "w", encoding="utf-8") as f:
    json.dump(all_result, f, ensure_ascii=False, indent=4)

3. 注意事项 #

• 如果不需要全量嵌套评论，可将replace_more的limit参数修改为你需要的最大加载数量，大幅降低请求耗时
• 如需同时过滤2015年之前发布的评论，可在遍历comment时新增时间戳判断逻辑
• 拉取数据量超过10万条时，建议适当调高延时参数，避免触发API临时封禁规则

内容的提问来源于stack exchange，提问作者ml_learner