# Chronometrica vs HarvestAPI para exportar comentarios públicos de LinkedIn

Elige Chronometrica si tu investigación necesita una muestra pública de comentarios directos de LinkedIn, datos públicos opcionales de los autores y registros que expliquen la cobertura de cada entrada. Los comentarios directos de una publicación se llaman comentarios de primer nivel. Chronometrica documenta este alcance y mantiene los resultados de cobertura separados de las filas de comentarios guardadas. [Documentación de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Elige HarvestAPI cuando necesites el texto de las respuestas o consultar una URL de comentario específica. [Documentación de HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

La decisión empieza por las personas que necesitas estudiar. Una muestra de autores de comentarios de primer nivel puede responder preguntas sobre esos autores observados. No puede representar a todas las personas de una conversación, a todos los autores de respuestas ni a todas las personas que indicaron que les gusta la publicación.

Chronometrica publica esta comparación. Los datos de los productos se basan en documentación guardada el 20 de octubre de 2026. Este artículo no presenta una nueva ejecución de recopilación ni una prueba de rendimiento en condiciones equivalentes. La recomendación se basa en el alcance y la estructura de salida documentados.

## Compara primero el alcance de la recopilación

Un Actor es un programa de recopilación alojado en un servidor. Ambos productos son Actors de Apify. En esta comparación, la pregunta útil es si el alcance de recopilación documentado coincide con tu pregunta de investigación. La tabla resume los datos comprobados de los productos. [Documentación de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper), [documentación de HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

| Criterio de decisión | Chronometrica | HarvestAPI |
| --- | --- | --- |
| Alcance de las fuentes | URL públicas de publicaciones/feed; comentarios de primer nivel | URL de publicaciones o comentarios |
| Investigación de respuestas | No recopila hilos completos de respuestas | Modos de recopilación de respuestas documentados |
| Datos de los autores | Datos públicos opcionales de los autores | Revisa sus modos de obtención de datos de autores |
| Revisión de la cobertura | Resultados por entrada separados en `OUTPUT` | Comprueba la salida según las necesidades del estudio |

No elijas solo por el número de filas exportadas. Una fila puede representar un comentario directo, una respuesta o un resultado de la recopilación. Esas unidades responden preguntas distintas. Primero decide qué significa una observación. Después compara las salidas que contienen esa observación.

## Por qué Chronometrica sirve para una muestra de autores públicos

Chronometrica acepta entre 1 y 100 URL públicas de publicaciones/feed de LinkedIn. Elimina las entradas duplicadas que remiten a la misma publicación con un identificador que el Actor admite. También guarda identificadores públicos únicos de comentarios. Estas funciones ayudan a evitar que cuentes 2 veces la misma fuente o el mismo comentario guardado. [Documentación de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Estas comprobaciones tienen fines distintos. Eliminar las entradas de publicaciones duplicadas protege la lista de fuentes. Los identificadores únicos de comentarios protegen las observaciones de comentarios. Ninguna de estas medidas convierte un recuento de comentarios en un recuento de personas. Un autor puede escribir varios comentarios, por lo que la lista de autores necesita su propia comprobación.

La opción `includeAuthorDetails` solicita datos públicos de los autores únicos guardados. Su valor predeterminado es `false` y puede añadir un evento de facturación separado por los datos de los autores. Actívala cuando esos datos sean útiles para la pregunta de investigación. [Documentación de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Su uso más adecuado es un estudio que pueda utilizar una muestra de comentarios públicos de primer nivel con sus límites explicados. Puedes conservar los comentarios observados, crear una lista de autores separada y guardar los límites de recopilación con la exportación. Esto da a quien revise el estudio una base clara para decidir qué conclusiones permite la muestra.

Esto no demuestra que se haya observado a todos los participantes de la conversación. Tampoco convierte un perfil público en un cliente potencial cualificado. Esas conclusiones necesitan más pruebas.

## Cuándo la necesidad de respuestas cambia la elección

HarvestAPI acepta URL de publicaciones y comentarios. Para las entradas de publicaciones, documenta hasta 5 respuestas anidadas por comentario raíz, dentro del resultado de ese comentario. Para las URL de comentarios, `scrapeReplies` puede devolver las respuestas como resultados separados. Su opción `postedLimit` y sus modos de obtención de datos de autores también pueden influir en la elección. Comprueba si sus ajustes documentados responden a tus necesidades. [Documentación de HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

Usa la misma unidad de comentario raíz o respuesta antes de comparar los totales de filas. Un comentario raíz es un comentario de primer nivel. Las respuestas asociadas a ese comentario añaden observaciones de texto, pero no necesariamente añaden personas distintas.

Chronometrica no recopila hilos completos de respuestas. Si necesitas todos los comentarios y todas las respuestas de una conversación, no cumple ese requisito. Eliminar un límite numérico no puede cambiar su alcance de recopilación. [Documentación de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

## Define las personas que necesitas observar

La necesidad del comprador que motiva esta comparación es encontrar los perfiles de las personas que comentan sus publicaciones de LinkedIn o indican que les gustan. La prueba que la respalda es un fragmento guardado de un resultado de búsqueda público, no una transcripción completa de la conversación. Demuestra una necesidad de investigación, no un resultado de recopilación verificado. [Solicitud pública](https://www.reddit.com/r/webscraping/comments/1d8lc31/how_would_you_scrape_the_linkedin_profiles_of)

Antes de elegir un Actor, escribe 1 frase que defina la población requerida: el grupo de personas que debe cubrir tu estudio. Por ejemplo, puedes necesitar a los autores de los comentarios visibles de primer nivel en 3 publicaciones seleccionadas. Otro estudio podría necesitar a los autores de respuestas, a las personas que indicaron que les gusta una publicación o a los 3 grupos.

Mantén esos grupos separados. Una exportación de comentarios no permite establecer una lista completa de las personas que indicaron que les gusta una publicación. Una muestra de primer nivel no permite establecer la población de autores de respuestas. Si necesitas el grupo que falta para responder la pregunta, detente y cambia el plan de recopilación.

Define también la afirmación que quieres hacer. «Estos autores aparecen en la muestra recopilada» necesita menos pruebas que «Estos son todos los participantes». Una afirmación más limitada puede seguir siendo útil si coincide con las pruebas disponibles.

Para conocer mejor esta diferencia, lee [¿Puede una exportación de comentarios públicos de LinkedIn representar toda la conversación?](/es/articles/verificacion-de-exportacion-publica-de-comentarios-en-linkedin/).

## Empieza con una entrada pequeña y comprobada

Una Task es una configuración de entrada guardada para un Actor. Abre la [Task de datos públicos de autores](https://apify.com/chronometrica/linkedin-comments-scraper/examples/linkedin-comment-author-profile-details) y revisa sus ajustes reales antes de ejecutarla.

Las pruebas guardadas confirman que la página de la Task era accesible al público. Esa comprobación de la página no establece cuál es su entrada guardada actual. Usa la configuración como punto de partida y comprueba estos ajustes:

1. Sustituye las URL guardadas por las URL de las publicaciones públicas que quieres estudiar.
2. Establece un límite pequeño en `maxComments` para la primera comprobación.
3. Establece `includeAuthorDetails` en `true` si necesitas datos públicos de los autores.
4. Revisa los demás ajustes antes de iniciar la ejecución.

Este ejemplo usa campos y valores que superaron una comprobación local con el JSON Schema público guardado. Un JSON Schema define los campos y valores de entrada permitidos. Esta comprobación confirma el formato de la entrada; no confirma que la fuente esté disponible durante una ejecución. [Documentación de entrada de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

```json
{
  "startUrls": [
    "https://www.linkedin.com/posts/timferriss_how-to-become-dramatically-more-productive-activity-7386884213343428608-wrF3"
  ],
  "maxComments": 10,
  "includeAuthorDetails": true
}
```

Empieza con una entrada pequeña y comprobada

Sustituye la URL de ejemplo por la fuente pública que hayas elegido. Es una fuente de ejemplo documentada, no una prueba de un nuevo resultado de recopilación.

El esquema comprobado permite entre 1 y 100 entradas en `startUrls` y un número entero entre 1 y 1.000 en `maxComments`. Este último es un límite por publicación. Un valor de 10 solicita una muestra limitada; no garantiza que se guarden 10 comentarios. [Documentación de entrada de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Usa la primera muestra para comprobar si el texto guardado y los identificadores de los autores permiten realizar el análisis previsto. Aumentar el volumen antes de esta comprobación puede producir una exportación mayor que siga respondiendo a una pregunta equivocada.

## Lee la cobertura antes de describir el resultado

Chronometrica separa las filas de comentarios de los resultados de entrada y cobertura en `OUTPUT`. Lee el resultado de cada entrada antes de resumir sus comentarios. El registro de cobertura y el motivo de detención ayudan a explicar por qué terminó la recopilación. [Documentación de salida de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Sigue esta breve comprobación de aceptación:

1. Confirma a qué publicación de entrada pertenece cada resultado.
2. Identifica las filas de comentarios guardadas mediante sus valores públicos de `commentId`.
3. Relaciona los autores mediante `authorUrl` o `authorId` cuando esos valores sean públicos.
4. Mantén sin resolver los registros que no tengan identificadores.
5. Lee el resultado de cobertura y el motivo de detención de la entrada.
6. Decide qué afirmaciones permite respaldar la muestra observada.

No trates un registro de estado de entrada como un comentario. Tampoco compares directamente el total mostrado de una conversación con las filas guardadas de primer nivel. Pueden referirse a unidades distintas y a partes visibles distintas de la conversación.

La opción `collectAllAvailable` elimina el límite numérico de comentarios. La recopilación aún puede detenerse por un límite de la fuente pública, un límite de gasto, un límite de tiempo o un fallo. No demuestra que la página pública mostrara todos los comentarios. [Límites de recopilación de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Si tu requisito original exige todos los comentarios, no llames exportación completa a una muestra pública disponible. Chronometrica no cumple un requisito de todos los comentarios cuando este necesita contenido más allá de la fuente pública de primer nivel.

Los campos públicos de los autores, las fechas y los recuentos de reacciones pueden no estar disponibles. Conserva esos valores desconocidos. La ausencia de un recuento de reacciones no demuestra que haya 0 reacciones. La ausencia de una fecha tampoco permite establecer cuándo apareció el comentario. [Documentación de salida de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

## Una decisión ficticia con cálculos comprobados

El siguiente ejemplo es ficticio. No es una prueba del Actor, un conjunto de datos real, una cita de un comprador ni un resultado de costes medidos.

Una persona que investiga recopila una muestra preliminar de 1 publicación pública. La muestra contiene 10 filas de comentarios de primer nivel de 7 autores públicos distintos. Se obtienen datos adicionales de 5 de esos autores. Los otros 2 casos quedan sin resolver.

La persona que investiga presenta 3 hallazgos por separado:

- La muestra contiene 10 comentarios observados de primer nivel.
- Esos comentarios proceden de 7 autores observados distintos.
- Hay datos adicionales disponibles de 5 autores; 2 casos quedan sin resolver.

El cálculo es sencillo: 7 autores observados menos 5 autores con datos adicionales dejan 2 autores sin resolver. Las 10 filas de comentarios no representan a 10 personas. Tampoco los 2 resultados sin datos adicionales significan que esos autores no estuvieran en la muestra de comentarios.

Supongamos que la pregunta de investigación también depende de 8 respuestas a esos comentarios. La muestra de primer nivel no puede responderla. Por ello, la persona que investiga evalúa los modos de recopilación de respuestas de HarvestAPI. [Documentación de HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

Esas 8 posibles filas de respuestas son una unidad separada. No se pueden contar como 8 personas nuevas sin comprobar quiénes son sus autores. Algunas podrían proceder de personas ya presentes en la muestra de primer nivel, y varias podrían proceder de la misma persona.

Si la pregunta original solo se refiere a los 7 autores observados de primer nivel, la muestra limitada puede bastar. Si se refiere a todas las personas que participaron, la misma muestra es insuficiente. La decisión depende de la población requerida, no del tamaño del archivo.

## Exporta 4 grupos de registros separados

Mantén 4 tablas o grupos de registros claramente separados. Cada uno tiene un fin distinto. Esta estructura ayuda a otra persona a revisar tu trabajo sin tener que adivinar qué significa cada fila.

La primera tabla contiene las observaciones de comentarios guardadas. Conserva la publicación de origen y `commentId` con cada comentario. Mantén el identificador público del autor cuando esté disponible. Conserva los valores ausentes para que los análisis posteriores puedan distinguir la información desconocida de un 0 observado.

La segunda tabla contiene los autores únicos observados. Créala a partir de los comentarios guardados mediante identificadores públicos. Cuenta 1 sola vez en esta tabla de autores a cada autor identificado, aunque tenga varios comentarios. Mantén sin resolver las identidades ausentes. No supongas que todos los valores en blanco pertenecen a la misma persona o a personas distintas.

La tercera tabla contiene los resultados de la obtención de datos de autores. Conserva la relación entre el autor observado y los datos adicionales. Un autor sin datos adicionales puede seguir siendo un autor de comentarios observado. Usar el número de obtenciones de datos exitosas como recuento de autores descartaría a personas ya presentes en las pruebas.

La cuarta tabla contiene la cobertura pública de cada publicación. Conserva el resultado, el motivo de detención y el contexto de recopilación de cada entrada. Guarda la publicación de origen y la hora de recopilación con la exportación. Estos registros explican cómo interpretar la muestra; no son mediciones de comentarios.

Esta separación también ayuda a interpretar los datos después. Por ejemplo, puedes revisar la información pública de los autores sin cambiar de forma inadvertida el número de comentarios observados. Si tu siguiente paso trata sobre las funciones de los autores, usa [la guía sobre funciones de los autores de comentarios](/es/articles/roles-publicos-de-autores-de-comentarios-en-linkedin/) y conserva los casos sin resolver.

## Decide si debes continuar después de la muestra

Antes de una ejecución mayor, comprueba si la primera exportación responde a la pregunta planteada. Confirma que puedes vincular cada comentario guardado con su publicación, distinguir a los autores repetidos y explicar la ausencia de datos. Confirma que entiendes el registro de cobertura de cada entrada.

Después decide si más observaciones mejorarían el estudio. Una muestra mayor de primer nivel puede aportar pruebas sobre los autores observados de primer nivel. No puede corregir la falta de correspondencia entre ese alcance y una pregunta sobre autores de respuestas o personas que indicaron que les gusta una publicación.

Define una regla de aceptación concreta. Por ejemplo, un estudio podría aceptar datos de autores sin resolver y, aun así, exigir una fuente clara y un registro de cobertura para cada publicación. Otro estudio podría exigir un identificador de autor para cada observación que incluya en un recuento de personas. Son decisiones de investigación. Decláralas antes de resumir el resultado.

No uses el éxito de la recopilación como prueba de valor comercial. Un enlace público de autor proporciona una vía para acceder a un perfil público. La cualificación de clientes potenciales necesita criterios separados y pruebas que los respalden.

## Empieza con Chronometrica cuando su alcance sea adecuado

Usa [Chronometrica LinkedIn Comments Scraper](https://apify.com/chronometrica/linkedin-comments-scraper) cuando una muestra pública de primer nivel con sus límites explicados responda a tu necesidad. Sus funciones documentadas de eliminación de publicaciones duplicadas, identificadores públicos únicos de comentarios, datos opcionales de autores y registros de cobertura separados permiten crear una muestra que otra persona pueda revisar.

Empieza con 1 publicación pública que quieras estudiar y un valor pequeño de `maxComments`. Comprueba los comentarios guardados, las coincidencias de autores, los resultados de obtención de datos y la cobertura de cada entrada antes de ampliar la ejecución. Conserva la fuente, la hora de recopilación y los valores sin resolver con la exportación.

Si esa comprobación confirma que el alcance es adecuado, continúa con las mismas reglas de recuento. Usa el [Actor de Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper) para recopilar la muestra limitada que tu pregunta de investigación necesita.

## Fuentes y lecturas adicionales

- [Chronometrica LinkedIn Comments Scraper: documentación del producto y esquema de entrada](https://apify.com/chronometrica/linkedin-comments-scraper)
- [HarvestAPI LinkedIn Post Comments: documentación del producto](https://apify.com/harvestapi/linkedin-post-comments)
- [Task pública de datos de autores](https://apify.com/chronometrica/linkedin-comments-scraper/examples/linkedin-comment-author-profile-details)
- [Solicitud pública de investigación de perfiles de autores de comentarios y de personas que indican que les gusta una publicación](https://www.reddit.com/r/webscraping/comments/1d8lc31/how_would_you_scrape_the_linkedin_profiles_of)