Chronometrica 与 Streamers：YouTube 热门和最新评论样本对比

先明确样本需要回答的问题

一篇公开的 Reddit 帖子问道：“如何汇总某个视频的全部 YouTube 评论？”帖子提到一个约有 1,000 条评论的教程。这体现了一个有用的初始需求：创作者想了解一场规模较大的讨论，而不是只读最先显示的几条评论。“全部”一词表达的是目标，并不能证明任何一个工具能采集到什么。公开提问

在这次比较中，把这个目标缩小为一个实际问题：一小份热门和最新评论样本，能帮助你了解这个教程的哪些情况？

你可能想找出不清楚的步骤、反复出现的问题，或后续课程的选题。这些都是分析评论的合理目的。你无需因此声称样本包含了每一条评论，或代表了每一位观众。

选择设置前，先明确采集单位。顶层评论是直接发布在视频下方的评论。回复是发布在某条评论下方的内容。本指南先采集顶层评论，并关闭回复采集。这样更容易说明采集上限和分析问题。

比较采集设置

已核查的公开接口约定支持上述选择。来源核查日期为 2026 年 10 月 20 日。

来源：Chronometrica 输入结构说明、Streamers 输入结构说明。

Chronometrica 经核查的优势很具体：它在合并模式内完成数量分配和去重。对于这种用途，你无需把这两项工作另行安排为采集步骤。因此，当你的分析需要让 2 个列表共用一个数量上限时，它很适合。Chronometrica Actor

Streamers 也支持通过 `replyToCid` 使用回复链接。第 1 个示例不涉及回复。Streamers 输入结构说明

如果每次采集都需要独立记录，分开运行仍然有用。你可能希望先比较 2 个列表，再将它们合并，或为每组结果保留采集时间。请在采集前作出决定。仅保留合并文件，可能无法保留分析所需的这些区别。

理解共用数量上限的含义

Chronometrica 的 `maxCommentsPerVideo` 可设为每个视频 1 至 1,000 条顶层评论。在 `both` 模式下，这个上限会分配给热门和最新列表，而不是每个列表都获得完整上限。回复使用独立开关，并为每条父评论设置回复数量上限。Chronometrica 输入结构说明

上限是允许的最大数量，并不保证最终结果会有这么多行。同一条评论可能出现在 2 个列表中。来源中的部分评论也可能无法获取。这两种情况都可能使你收到的不重复评论数量减少。

去重是指删除同一项目的重复记录。这里应使用评论 ID，它用于标识评论。不要仅凭文本去重。2 个人可能写出相同的简短回答。即使文本相同，它们仍是不同的评论。

在记录中区分以下 3 种数量：

• 上限：你请求的顶层评论最大数量。
• 出现次数：去重前，评论在已采集列表中的出现总次数，前提是你能获得这项信息。
• 不重复评论数：最终采集结果中不同评论 ID 的数量。

不要假定每次结果都提供这 3 种数量。先检查有哪些信息。如果你无法查看去重前的列表，就将出现次数和重叠数量保留为未知。

视频上显示的评论数是另一个数值。它不能证明可以导出相同数量的数据行。来源是否可访问、评论是否被移除、排序方式和设置的上限，都可能限制采集。不要用这个显示数值来证明已完整覆盖所有评论。

先按当前输入结构进行小规模采集

以下 Chronometrica 输入用于请求一份小规模合并样本，并关闭回复采集。它使用公开结构说明中记录的字段。这只是输入示例，不是已完成的运行，也不是经过验证的实际输出。Chronometrica 输入结构说明

{
  "startUrls": [
    "https://www.youtube.com/watch?v=dQw4w9WgXcQ"
  ],
  "maxCommentsPerVideo": 6,
  "commentSortMode": "both",
  "includeReplies": false
}

将 URL 替换为一个相关的公开视频地址。示例 URL 仅展示输入格式，并不证明目前可以从该来源获取评论。

较小的数量上限便于检查首批结果。扩大采集前，先确认结果是否包含分析所需的评论 ID 和评论内容。还要检查你打算使用的时间字段或来源字段。不要因为分析需要某个字段，就假定结果中一定有这个字段。

Chronometrica 还提供一个公开的 YouTube 观众评论研究 Task。Task 是保存好的输入预设。你可以从它开始，再根据自己的问题核对设置。

保留一份实际使用的输入。如果结果文件没有附带设置，就无法回答一些基本问题：你请求了哪个视频、选择了哪种排序，以及应用了什么上限？即使最终行数低于预期，输入仍能提供这些背景信息。

用虚构示例理解重叠情况

这是一个虚构的教学示例，不是实际运行结果、基准测试或客户成果。

假设顶层评论数量上限为 6。本示例为热门列表和最新列表各分配 3 个名额：

• 热门列表包含评论 ID A、B 和 C。
• 最新列表包含评论 ID C、D 和 E。

评论在 2 个列表中共出现 6 次。评论 C 出现了 2 次。去重后，剩下 5 个不重复的 ID：A、B、C、D 和 E。

这个虚构示例中的重复出现率为：

`1 duplicate sighting / 6 sightings × 100 = 16.67%`

这个百分比描述的是本示例中的重叠情况，并不表示采集结果占全部评论的比例。可访问评论的总体数量未知。

有用的报告很简单：请求上限为 6，计划为每个列表分配 3 个名额，合并结果包含 5 条不重复评论。不要承诺这种设置一定会得到 6 行不重复记录。

再考虑一种情况：分析需要把热门列表和最新列表分别作为证据。请保留这 2 个列表及其采集记录。你仍然可以制作合并视图，但要保留足够信息，以说明每条评论出现在哪个列表中。

如果你只收到最终去重后的数据行，就只报告已知信息。你可以统计这些行，但不能仅凭结果比上限少了多少行，就推算出准确的重叠数量。来源中的评论无法获取，也可能导致行数减少。

采用简单且便于日后说明的方法

1. 写明分析问题

选择热门评论、近期评论，或两者都选。说明这种排序为什么适合你的问题。

分析教程时，合并样本可以让你在同一份采集结果中查看 2 个列表的评论。问题范围应足够小，让你能通过阅读样本来回答。“这些评论对哪些步骤提出了疑问？”比“所有观众是怎么想的？”更容易得到证据支持。

不要把热门列表和最新列表视为 2 个独立的人群。同一条评论可能出现在 2 个列表中。这些分组表示采集排序方式，并不表示不同的观众群体。

2. 设置顶层评论数量上限和回复范围

选择一个你能认真分析的数量上限，并在采集前记录下来。如果问题只涉及直接发布在视频下方的评论，就关闭回复采集。

如果回复也很重要，就修改计划。回复可以为其父评论补充背景，也会改变你统计的单位。请区分父评论和回复，让总数含义保持清楚。

不要仅为凑齐视频显示的评论数而提高上限。先检查首批采集是否提供了有用记录，以及你是否有时间分析更多评论。

3. 选择采集流程

如果共用上限的分配方式符合计划，就使用 Chronometrica 的 `both` 模式。如果你需要将每种排序及其采集时间分别作为证据，就按明确的排序方式分开运行。

记录观测时间和请求的排序方式。观测时间是你采集样本的时间，与评论的发布时间不同。请在记录中区分这两种含义。

如果分开的运行发生在不同时间，请分别记录这 2 个时间。不要把结果描述为同一时刻的讨论情况。

4. 合并数据行前先检查 ID

使用评论 ID 查找重复评论。即使文本相同，也要保留不同 ID 的评论。在统计合并后的不重复评论数时，同一 ID 重复出现的记录不应重复计数。

如果必需的 ID 缺失，请保留这个缺失值。不要用 0 替代，也不要把 0 用作共用 ID。否则，互不相关的数据行会被当作同一条评论。

声称得到准确的不重复评论数之前，先解决 ID 缺失问题。你仍然可以描述已查看的数据行，但要说明去重检查的限制。

5. 用清楚的语言报告采集情况

记录视频 URL、观测时间、请求的排序方式、数量上限、回复设置，以及经过核实的不重复评论数。只有在有证据时，才加入重叠数量。

一份简短的采集说明通常就够了。它应让其他读者了解你如何选择评论，而无需根据文件名猜测。

请区分请求设置和观测结果。上限属于请求设置，不重复数量属于结果。两者存在差异时，需要检查原因。仅凭这种差异，既不能证明采集失败，也不能证明已完整覆盖来源中的内容。

6. 分析样本中的主题

阅读每条评论，并根据内容分配一个简短的主题标签。标签的用法应保持一致。对于教程相关问题，你可以按涉及的步骤分组，也可以按评论希望获得的解释分组。

保留足够的背景信息，便于日后检查标签。如果一条评论涉及多个主题，请决定分析是否允许使用多个标签。在比较主题数量前，先说明这条规则。

将发现描述为已采集样本中的主题。评论样本不是观众调查。观看但未发表评论的人不在采集范围内。发表评论的人也可能通过多条评论重复出现。

用这些发现提出下一次分析的问题。不要把主题数量变成对每位观众的判断。

明确改变选择的主要条件

如果必须使用 `oldestCommentDate`，请选择 Streamers。这个筛选条件会强制按最新优先排序。Streamers 输入结构说明

如果你需要数量受限的“热门 + 最新”样本，共用数量上限，并去除重复 ID，就可以放心选择 Chronometrica。这是本次比较中已核查的适用场景。Chronometrica Actor

无论选择哪一个，样本都不会因此成为随机样本或完整样本。随机抽样采用明确的、基于概率的选择过程。普查则尝试纳入已定义总体中的每一个项目。这种合并采集方式不满足上述任何一种条件。

如果想进一步了解这 2 种排序如何影响你看到的内容，请阅读 YouTube 热门与最新评论抽样对比。对于本次选择，关键问题是现成的合并模式是否符合你的采集计划。