# Chronometrica vs HarvestAPI para exportar comentários públicos do LinkedIn

Escolha a Chronometrica se sua pesquisa precisa de uma amostra pública de comentários diretos do LinkedIn, dados públicos opcionais dos autores e registros que expliquem a cobertura de cada entrada. Os comentários diretos em uma publicação são chamados de comentários de primeiro nível. A Chronometrica documenta esse escopo e mantém os resultados de cobertura separados das linhas de comentários salvos. [Documentação da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Escolha a HarvestAPI quando precisar do texto das respostas ou de uma consulta pela URL de um comentário específico. [Documentação da HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

A decisão começa pelas pessoas que você precisa estudar. Uma amostra de autores de comentários de primeiro nível pode responder a perguntas sobre os autores observados. Ela não pode representar todas as pessoas de uma discussão, todos os autores de respostas ou todas as pessoas que curtiram a publicação.

A Chronometrica publica esta comparação. Os fatos sobre os produtos usam evidências da documentação salvas em 20 de outubro de 2026. Este artigo não apresenta uma nova execução de coleta nem um teste de desempenho em condições equivalentes. A recomendação se baseia no escopo documentado e na estrutura dos dados de saída.

## Compare primeiro o escopo da coleta

Um Actor é um programa de coleta hospedado. Ambos os produtos são Actors na Apify. Para esta comparação, a pergunta útil é se o escopo de coleta documentado corresponde à sua pergunta de pesquisa. A tabela resume os fatos verificados sobre os produtos. [Documentação da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper), [documentação da HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

| Critério de decisão | Chronometrica | HarvestAPI |
| --- | --- | --- |
| Escopo das fontes | URLs públicas de publicações/feed; comentários de primeiro nível | URLs de publicações ou comentários |
| Pesquisa de respostas | Não coleta sequências completas de respostas | Modos de coleta de respostas documentados |
| Dados dos autores | Dados públicos opcionais dos autores | Revise os modos de obtenção de dados dos autores |
| Revisão da cobertura | Resultados separados por entrada em `OUTPUT` | Confira os dados de saída conforme as necessidades do estudo |

Não escolha apenas pela quantidade de linhas exportadas. Uma linha pode representar um comentário direto, uma resposta ou um resultado da coleta. Essas unidades respondem a perguntas diferentes. Primeiro, decida o que significa uma observação. Depois, compare os dados de saída que contêm essa observação.

## Por que a Chronometrica é adequada para pesquisas com uma amostra pública de autores

A Chronometrica aceita de 1 a 100 URLs públicas de publicações/feed do LinkedIn. Ela remove entradas duplicadas que identificam a mesma publicação, desde que essa publicação seja aceita pelo Actor. Também salva IDs únicos de comentários públicos. Esses recursos ajudam a evitar a contagem da mesma fonte ou do mesmo comentário salvo mais de uma vez. [Documentação da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Essas verificações têm finalidades diferentes. A remoção de entradas de publicações duplicadas protege a lista de fontes. Os IDs únicos de comentários protegem as observações de comentários. Nenhuma dessas medidas transforma uma contagem de comentários em uma contagem de pessoas. Um autor pode escrever vários comentários. Por isso, a lista de autores precisa de uma verificação própria.

A configuração opcional `includeAuthorDetails` solicita dados públicos dos autores únicos salvos. O valor padrão é `false`, e ela pode gerar um evento de cobrança separado pelos dados dos autores. Ative essa opção quando esses dados forem úteis para a pergunta de pesquisa. [Documentação da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

A melhor aplicação é um estudo que possa usar uma amostra de comentários públicos de primeiro nível com seus limites explicados. Você pode guardar os comentários observados, criar uma lista separada de autores e manter os limites da coleta junto à exportação. Isso dá ao revisor uma base clara para decidir quais conclusões a amostra sustenta.

Isso não comprova que todos os participantes da discussão foram observados. Também não transforma um perfil público em um lead de vendas qualificado. Essas conclusões exigem mais evidências.

## Quando a necessidade de respostas muda a escolha

A HarvestAPI aceita URLs de publicações e comentários. Para entradas de publicações, a documentação descreve até 5 respostas aninhadas por comentário raiz, dentro do resultado desse comentário. Para URLs de comentários, `scrapeReplies` pode retornar respostas como resultados separados. A configuração `postedLimit` e os modos de obtenção de dados dos autores também podem afetar a escolha. Confira as configurações documentadas conforme suas necessidades. [Documentação da HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

Use a mesma unidade de comentário raiz ou resposta antes de comparar os totais de linhas. Um comentário raiz é um comentário de primeiro nível. As respostas vinculadas a ele acrescentam observações de texto, mas não necessariamente acrescentam pessoas distintas.

A Chronometrica não coleta sequências completas de respostas. Se você precisa de todos os comentários e respostas de uma discussão, ela não atende a esse requisito. Remover um limite numérico não muda o escopo da coleta. [Documentação da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

## Defina as pessoas que você precisa observar

A necessidade do comprador que motivou esta comparação é encontrar perfis de pessoas que comentam ou curtem suas publicações no LinkedIn. A evidência de apoio é um trecho salvo de um resultado de busca público, e não uma transcrição completa da discussão. Ela comprova uma necessidade de pesquisa, não um resultado de coleta verificado. [Solicitação pública](https://www.reddit.com/r/webscraping/comments/1d8lc31/how_would_you_scrape_the_linkedin_profiles_of)

Antes de escolher um Actor, escreva uma frase que defina a população necessária: o grupo de pessoas que seu estudo deve abranger. Por exemplo, você pode precisar dos autores de comentários visíveis de primeiro nível em 3 publicações selecionadas. Outro estudo pode precisar dos autores de respostas, das pessoas que curtiram as publicações ou dos 3 grupos.

Mantenha esses grupos separados. Uma exportação de comentários não comprova uma lista completa de pessoas que curtiram a publicação. Uma amostra de primeiro nível não comprova a população de autores de respostas. Se o grupo ausente for necessário para responder à pergunta, pare e mude o plano de coleta.

Defina também a afirmação que você pretende fazer. “Estes autores apareceram na amostra coletada” exige menos evidências do que “Estes são todos os participantes”. Uma afirmação mais restrita ainda pode ser útil quando corresponde às evidências disponíveis.

Para saber mais sobre essa diferença, leia [Uma exportação de comentários públicos do LinkedIn pode representar toda a discussão?](/pt-BR/articles/exportacao-publica-de-comentarios-do-linkedin/).

## Comece com uma entrada pequena e verificada

Uma Task é uma configuração de entrada salva para um Actor. Abra a [Task de dados públicos dos autores](https://apify.com/chronometrica/linkedin-comments-scraper/examples/linkedin-comment-author-profile-details) e confira suas configurações reais antes de executá-la.

A evidência salva confirma que a página da Task estava acessível ao público. Essa verificação da página não comprova a entrada salva atual. Use a configuração salva como ponto de partida e confira estas opções:

1. Substitua as URLs salvas pelas URLs das publicações públicas que você pretende coletar.
2. Defina um limite pequeno em `maxComments` para a primeira verificação.
3. Defina `includeAuthorDetails` como `true` se precisar dos dados públicos dos autores.
4. Revise as demais configurações antes de iniciar a execução.

Este exemplo usa campos e valores aprovados em uma verificação local com base no JSON Schema público salvo. Um JSON Schema define os campos e valores de entrada permitidos. Essa verificação confirma o formato da entrada. Ela não confirma que a fonte estará disponível durante uma execução. [Documentação de entrada da 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
}
```

Comece com uma entrada pequena e verificada

Substitua a URL de exemplo pela fonte pública que você escolheu. Ela é um destino de exemplo documentado, não uma evidência de um novo resultado de coleta.

O esquema verificado permite de 1 a 100 entradas em `startUrls` e um número inteiro de 1 a 1.000 em `maxComments`. Esse último é um limite por publicação. Um valor de 10 solicita uma amostra limitada. Ele não promete 10 comentários salvos. [Documentação de entrada da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Use a primeira amostra para verificar se o texto salvo e os identificadores dos autores permitem a análise que você pretende fazer. Aumentar o volume antes dessa verificação pode gerar uma exportação maior que ainda responde à pergunta errada.

## Leia a cobertura antes de descrever o resultado

A Chronometrica separa as linhas de comentários dos resultados de entrada e de cobertura em `OUTPUT`. Leia o resultado de cada entrada antes de resumir seus comentários. O registro de cobertura e o motivo da interrupção ajudam a explicar por que a coleta terminou. [Documentação de saída da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Siga esta breve verificação de aceitação:

1. Confirme a qual publicação de entrada cada resultado pertence.
2. Identifique as linhas de comentários salvos pelos valores públicos de `commentId`.
3. Associe os autores por `authorUrl` ou `authorId` quando esses valores forem públicos.
4. Mantenha sem resolução os registros com identificadores ausentes.
5. Leia o resultado de cobertura e o motivo da interrupção de cada entrada.
6. Decida quais afirmações a amostra observada pode sustentar.

Não trate um registro de status de entrada como um comentário. Da mesma forma, não compare diretamente o total exibido da discussão com as linhas salvas de primeiro nível. Eles podem se referir a unidades diferentes e a partes visíveis diferentes da discussão.

A configuração `collectAllAvailable` remove o limite numérico de comentários. A coleta ainda pode parar por um limite da fonte pública, de cobrança ou de tempo, ou por uma falha. Isso não comprova que a página pública disponibilizou todos os comentários. [Limites de coleta da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

Se seu requisito original exige todos os comentários, não apresente uma amostra pública disponível como uma exportação completa. A Chronometrica não atende a um requisito de todos os comentários quando ele exige conteúdo além da fonte pública de primeiro nível.

Os campos públicos dos autores, as datas e as contagens de reações podem estar indisponíveis. Preserve esses valores desconhecidos. Uma contagem de reações ausente não comprova 0 reações, e uma data ausente não determina quando o comentário apareceu. [Documentação de saída da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper)

## Uma decisão fictícia com cálculos verificados

O exemplo a seguir é fictício. Ele não é um teste do Actor, um conjunto de dados reais, uma citação de comprador nem um resultado de custo medido.

Uma pesquisadora coleta uma amostra inicial de 1 publicação pública. A amostra contém 10 linhas de comentários de primeiro nível de 7 autores distintos com identificação pública. Os dados adicionais dos autores são obtidos para 5 deles. Os outros 2 permanecem sem resolução.

A pesquisadora apresenta 3 resultados separados:

- A amostra contém 10 comentários observados de primeiro nível.
- Esses comentários são de 7 autores distintos observados.
- Há dados adicionais disponíveis para 5 autores; 2 permanecem sem resolução.

O cálculo é simples: 7 autores observados menos 5 autores com dados adicionais deixam 2 autores sem resolução. As 10 linhas de comentários não representam 10 pessoas. Os 2 resultados sem resolução na obtenção de dados também não significam que esses autores não existiam na amostra de comentários.

Suponha que a pergunta de pesquisa também dependa de 8 respostas abaixo desses comentários. A amostra de primeiro nível não pode respondê-la. Nesse caso, a pesquisadora avalia os modos de coleta de respostas da HarvestAPI. [Documentação da HarvestAPI](https://apify.com/harvestapi/linkedin-post-comments)

Essas 8 possíveis linhas de respostas são uma unidade separada. Elas não podem ser contadas como 8 novas pessoas sem verificar seus autores. Algumas podem ser de pessoas que já estão na amostra de primeiro nível, e várias podem ser da mesma pessoa.

Se a pergunta original se refere apenas aos 7 autores observados de primeiro nível, a amostra limitada pode ser suficiente. Se ela se refere a todas as pessoas que participaram, a mesma amostra é insuficiente. A decisão depende da população necessária, não do tamanho do arquivo.

## Exporte 4 conjuntos de registros separados

Mantenha 4 tabelas ou grupos de registros claramente separados. Cada um tem uma finalidade diferente. Essa estrutura ajuda outra pessoa a examinar seu trabalho sem precisar adivinhar o que cada linha significa.

A primeira tabela contém as observações de comentários salvos. Mantenha a publicação de origem e o `commentId` junto a cada comentário. Guarde o identificador público do autor quando estiver disponível. Preserve os valores ausentes para que análises posteriores possam distinguir uma informação desconhecida de um valor 0 observado.

A segunda tabela contém os autores únicos observados. Crie essa tabela a partir dos comentários salvos, usando identificadores públicos. Conte apenas uma vez nessa tabela o autor identificado que escreveu vários comentários. Mantenha as identidades ausentes sem resolução. Não suponha que todos os valores em branco pertencem a uma mesma pessoa ou a pessoas diferentes.

A terceira tabela contém os resultados da obtenção de dados dos autores. Mantenha o vínculo entre o autor observado e quaisquer dados adicionais. Um autor sem dados adicionais ainda pode ser um autor de comentário observado. Usar apenas os casos de obtenção bem-sucedida de dados como contagem de autores excluiria pessoas que já estão presentes nas evidências.

A quarta tabela contém a cobertura pública por publicação. Guarde o resultado, o motivo da interrupção e o contexto da coleta de cada entrada. Mantenha a fonte da publicação e o horário da coleta junto à exportação. Esses registros explicam como interpretar a amostra. Eles não são medições de comentários.

Essa separação também ajuda na interpretação posterior. Por exemplo, você pode examinar as informações públicas dos autores sem alterar silenciosamente o número de comentários observados. Se a próxima etapa tratar das funções dos autores, use [o guia de funções dos autores de comentários](/pt-BR/articles/papeis-publicos-autores-comentarios-linkedin/) e preserve os casos sem resolução.

## Decida se deve continuar após a amostra

Antes de uma execução maior, verifique se a primeira exportação responde à pergunta definida. Confirme que você consegue vincular cada comentário salvo à sua publicação, distinguir autores repetidos e explicar os dados ausentes. Confirme que você entende o registro de cobertura de cada entrada.

Depois, decida se mais observações melhorariam o estudo. Uma amostra maior de primeiro nível pode acrescentar evidências sobre os autores observados de primeiro nível. Ela não pode corrigir uma incompatibilidade entre esse escopo e uma pergunta sobre autores de respostas ou pessoas que curtiram a publicação.

Defina uma regra de aceitação específica. Por exemplo, um estudo pode aceitar casos sem resolução nos dados dos autores e ainda exigir uma fonte clara e um registro de cobertura para cada publicação. Outro estudo pode exigir um identificador de autor para cada observação incluída na contagem de pessoas. Essas são escolhas de pesquisa. Declare essas escolhas antes de resumir o resultado.

Não use o sucesso da coleta como prova de valor para vendas. Um link público de autor oferece um caminho até um perfil público. A qualificação de leads exige critérios separados e evidências de apoio.

## Comece com a Chronometrica quando o escopo atender à sua necessidade

Use o [Chronometrica LinkedIn Comments Scraper](https://apify.com/chronometrica/linkedin-comments-scraper) quando uma amostra pública de primeiro nível, com seus limites explicados, atender à sua necessidade. A remoção de publicações duplicadas, os IDs únicos de comentários públicos, os dados opcionais dos autores e os registros separados de cobertura são recursos documentados. Eles ajudam a formar uma amostra que outra pessoa pode examinar.

Comece com 1 publicação pública que você pretende estudar e um valor pequeno em `maxComments`. Confira os comentários salvos, as correspondências dos autores, os resultados da obtenção de dados e a cobertura por entrada antes de ampliar a execução. Mantenha a fonte, o horário da coleta e os valores sem resolução junto à exportação.

Se essa verificação confirmar que o escopo atende à necessidade, continue com as mesmas regras de contagem. Use o [Actor da Chronometrica](https://apify.com/chronometrica/linkedin-comments-scraper) para coletar a amostra limitada que sua pergunta de pesquisa realmente exige.

## Fontes e leituras adicionais

- [Chronometrica LinkedIn Comments Scraper: documentação do produto e esquema de entrada](https://apify.com/chronometrica/linkedin-comments-scraper)
- [HarvestAPI LinkedIn Post Comments: documentação do produto](https://apify.com/harvestapi/linkedin-post-comments)
- [Task de dados públicos dos autores](https://apify.com/chronometrica/linkedin-comments-scraper/examples/linkedin-comment-author-profile-details)
- [Solicitação pública de pesquisa de perfis de autores de comentários e de pessoas que curtiram publicações](https://www.reddit.com/r/webscraping/comments/1d8lc31/how_would_you_scrape_the_linkedin_profiles_of)