> This page is for Piattaforma, version Versione precedente. > For other versions, use one of these documentation indexes: > - V4 (default): https://next.developer.frame.io/platform/v4/llms.txt > - V4 sperimentale: https://next.developer.frame.io/platform/v4-experimental/llms.txt > - Versione precedente: 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. # Raccogliere tutti i commenti da un progetto ## Panoramica L'estrattore di commenti recupera tutte le risorse in un progetto, estrae i commenti ed esporta tutto in un file .csv.Questa procedura dettagliata utilizza le seguenti risorse: * [SDK Python](https://github.com/Frameio/python-frameio-client): l'SDK gestisce la paginazione e configura un client che puoi utilizzare con i token sviluppatore (autenticazione bearer). * [Estrattore di commenti in Python](https://github.com/Frameio/comment-scraper-python): l'esempio di codice che stiamo usando è qui. ### Provalo su Glitch Glitch è uno strumento semplice che ti permette di configurare, testare ed eseguire le applicazioni utilizzando i loro server. Se non conosci Glitch, consulta la nostra guida sull'[utilizzo di Glitch](/other-tools/using-glitch). Se vuoi vedere come funziona l'estrattore di commenti su un server, abbiamo configurato un'app Flask su [Glitch](https://glitch.com): [Frame.io Comment Scraper in Python](https://glitch.com/~frameio-comment-scraper). ### Ambiti richiesti Prima di iniziare questa guida, assicurati di avere un token che includa almeno i seguenti ambiti: | Ambito | Motivo | | ---------- | ---------- | | **Progetti:** lettura | Non strettamente necessario, ma serve per recuperare il `root_asset_id` di un progetto. | | **Risorse:** lettura | Necessario per navigare tra gli `asset_id` tramite API | | **Commenti:** lettura | Necessario per recuperare i commenti stessi. | ### 1. Prepara l'app Questa guida seguirà un modello simile a quello della guida [Leggere l'albero dei file](/workflows-assets/reading-the-file-tree). Di conseguenza, per iniziare ti serve: * Il `root_asset_id` del progetto che stai scansionando * Il tuo [token sviluppatore](/authentication/developer-tokens) Devi anche importare `FrameioClient` nell'app Python, oltre ad alcune librerie di supporto aggiuntive: **`Python`** ```python title="Python" from frameioclient import FrameioClient import requests, json, csv, itertools ROOT_ASSET_ID = "" TOKEN = "" ``` ### 2. Scansiona il progetto Ora devi recuperare ricorsivamente tutte le risorse, controllarle per verificare la presenza di commenti e archiviare le risorse commentate in un elenco da cui costruire il file .csv. Durante la scansione del progetto, devi eseguire i seguenti controlli su ogni risorsa: * La risorsa è un file? (`"_type": "file"`). * Se è un file, contiene commenti? * **Se li contiene, recuperali e aggiungili all'elenco.** * La risorsa è una cartella? (`"_type": "folder"`) * **Se è una cartella, esegui una scansione ricorsiva sulle relative cartelle figlio.** * La risorsa è uno stack di versioni? (`"_type": "version_stack"`) * **Se è uno stack di versioni, recupera tutti gli elementi figlio e controlla se hanno dei commenti.** **`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 ``` L'esempio precedente ignora la paginazione, ma durante la navigazione in raccolte di grandi dimensioni, non conviene ignorarla.Consulta la guida sui [concetti chiave](/getting-started/key-concepts#pagination) come riferimento. ### 3. Appiattisci l'elenco dei commenti A meno che non l'abbia già fatto durante la scansione, devi appiattire l'elenco per semplificare l'elaborazione. **`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. Seleziona l'elenco e crea il file .csv Quando l'elenco è appiattito, puoi usare la comprensione dell'elenco per acquisire gli elementi che ritieni utili di ogni commento, per poi inviarli in un file .csv.Consigliamo di includere almeno: * Commento - `text` * ID padre - `parent_id` * ID risorsa - `asset_id` * Nome risorsa - `name` * ID proprietario - `owner_id` * E-mail del proprietario - `owner.email` * Marca temporale - `timestamp` * Ora di aggiornamento - `updated_at` Dopo aver creato un nuovo elenco contenente l'output desiderato per ogni risorsa per l'ouput finale, è il momento di scrivere nel file .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) ``` Ecco fatto! Ora hai un file .csv con i commenti appiattiti di un intero progetto Frame.io.