> This page is for Plataforma, version Heredado. > For other versions, use one of these documentation indexes: > - V4 (default): https://next.developer.frame.io/platform/v4/llms.txt > - V4 experimental: https://next.developer.frame.io/platform/v4-experimental/llms.txt > - Heredado: https://next.developer.frame.io/platform/v2/llms.txt > For clean Markdown of any page, append .md to the page URL. > For a complete documentation index, see https://next.developer.frame.io/llms.txt. > For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://next.developer.frame.io/_mcp/server. # Recopilar todos los comentarios de un proyecto ## Información general El extractor de comentarios recuperará todos los activos de un proyecto, extraerá los comentarios y los exportará en un archivo .csv. Esta descripción detallada utiliza los siguientes recursos: * [SDK de Python](https://github.com/Frameio/python-frameio-client): El SDK gestiona automáticamente la paginación y configura un cliente que puede usar con tokens de desarrollador (autenticación de portador). * El [extractor de comentarios en Python](https://github.com/Frameio/comment-scraper-python): La muestra de código que estamos usando está aquí. ### Probarlo en Glitch Glitch es una herramienta sencilla que le permite configurar sus propias aplicaciones, así como probarlas y ejecutarlas usando sus servidores. Si no está familiarizado con Glitch, consulte nuestra guía sobre el [uso de Glitch](/other-tools/using-glitch). Si quiere ver cómo funciona el extractor de comentarios en un servidor, tenemos una aplicación Flask configurada en [Glitch](https://glitch.com): [Extractor de comentarios de Frame.io en Python](https://glitch.com/~frameio-comment-scraper). ### Ámbitos necesarios Antes de comenzar a leer esta guía, asegúrese de tener un token que incluya al menos los siguientes ámbitos: | Ámbito | Motivo | | ---------- | ---------- | | **Proyectos:** Lectura | No es estrictamente necesario, pero sí para recuperar el `root_asset_id` de un proyecto. | | **Activos:** Lectura | Necesario para navegar por `asset_ids` a través de la API. | | **Comentarios:** Lectura | Necesario para recuperar los comentarios. | ### 1. Preparar su aplicación Esta guía seguirá un patrón similar al de [Leer el árbol de archivos](/workflows-assets/reading-the-file-tree). Por consiguiente, para empezar, necesitará: * El `root_asset_id` del proyecto que está rastreando * Su [token de desarrollador](/authentication/developer-tokens) También debe importar el `FrameioClient` en su aplicación Python, así como algunas bibliotecas auxiliares adicionales: **`Python`** ```python title="Python" from frameioclient import FrameioClient import requests, json, csv, itertools ROOT_ASSET_ID = "" TOKEN = "" ``` ### 2. Rastrear el proyecto Ahora, necesitará recuperar de forma recursiva todos los activos, comprobarlos para ver si tienen comentarios y almacenar cualquier activo comentado en una lista desde la cual puede construir su archivo .csv. Durante el rastreo su proyecto, necesitará hacer las siguientes comprobaciones en cada activo: * ¿Es el activo un archivo? (`"_type": "file"`). * Si es un archivo, ¿tiene comentarios? * **Si los tiene, recupérelos y añádalos a su lista.** * ¿Es el activo una carpeta? (`"_type": "folder"`) * **Si es una carpeta, entonces rastree sus elementos secundarios.** * ¿Es el activo una pila de versiones? (`"_type": "version_stack"`) * **Si lo es, obtenga todos los elementos secundarios y compruebe si hay comentarios.** **`Python`** ```python title="Python" def all_comments(client, asset_id, comment_list): files = client.get_asset_children(asset_id) for asset in files: if asset['type'] == "file": if asset['comment_count'] > 0: asset_parent_id = asset['parent_id'] asset_name = asset['name'] comments = client.get_comments(asset['id']) my_comment_list = [comment for comment in comments.results] for object in my_comment_list: object.update({'parent_id':asset_parent_id}) object.update({'name':asset_name}) comment_list.append(my_comment_list) if asset['type'] == "folder": if asset['item_count'] > 0: all_comments(client, asset['id'], comment_list) if asset['type'] == "version_stack": asset_name = asset['name'] parent_id = asset['parent_id'] vfiles = client.get_asset_children(asset['id']) for asset in vfiles.results: asset_name = asset['name'] parent_id = asset['parent_id'] if asset['type'] == "file": if asset['comment_count'] > 0: comments = client.get_comments(asset['id']) my_comment_list = [comment for comment in comments.results] for object in my_comment_list: object.update({'parent_id':parent_id}) object.update({'name':asset_name}) comment_list.append(my_comment_list) def get_all_project_comments(root_asset_id, token): comment_list = [] client = FrameioClient(token) all_comments(client, root_asset_id, comment_list) return comment_list ``` En el ejemplo anterior se ignora la paginación, pero cuando gestione colecciones grandes, no debería hacerlo. Consulte nuestra guía [Conceptos clave](/getting-started/key-concepts#pagination) para obtener referencias. ### 3. Aplanar su lista de comentarios A menos que haya gestionado esto durante su rastreo, lo ideal es que su lista sea plana para facilitar el procesamiento. **`Python`** ```python title="Python" # The response list comes back as a list of lists. # Flatten out responses to a single list so you can build your .csv file. flat_response_list = list(itertools.chain.from_iterable(responses)) ``` ### 4. Depurar la lista y crear su .csv Cuando su lista sea plana, puede usar la comprensión de listas para obtener los elementos de cada comentario que crea que es útil, y luego exportarlos a un archivo .csv. Recomendamos tener al menos: * Comentario: `text` * ID principal: `parent_id` * ID de activo: `asset_id` * Nombre del activo: `name` * ID del propietario: `owner_id` * Correo electrónico del propietario: `owner.email` * Marca de tiempo: `timestamp` * Actualizado el: `updated_at` Cuando haya creado una lista nueva que contenga el resultado que desea por activo para su resultado final, llega el momento de escribir en su archivo .csv. **`Python`** ```python title="Python" list_for_csv = [[o['text'], o['parent_id'], o['asset_id'], o['name'], o['owner_id'], o['owner']['email'], o['timestamp'], o['updated_at']] for o in flat_response_list] # Let's write our new list out to a .csv file. We'll add a heading. with open("output.csv", 'w') as myfile: wr = csv.writer(myfile, dialect='excel') wr.writerow(['Comment', 'Parent ID', 'Asset ID', 'Asset Name', 'Owner ID', 'Email', 'Timestamp', 'Updated At']) wr.writerows(list_for_csv) ``` Eso es todo. Ahora tiene un archivo .csv con los comentarios planos de todo un proyecto de Frame.io.