Chronometrica 與 Herus13 Instagram 留言採集工具比較：哪一款只計算頂層留言？

匯出需求並未定義留言單位

讀者原本的問題是如何匯出 Instagram Reel 的留言。問題沒有指定統計樣本、回覆分析，或所需的頂層留言數量。讀者必須依自己的工作決定這些事項。原始 Reddit 問題

先確定匯出資料要支援什麼工作。你可能需要直接回應 Reel 的留言、人與人之間的對話，或供日後檢視的紀錄。即使使用相同的 Reel URL，這些工作也可能需要不同類型的資料列。

資料列上限設定了採集數量的限制。但它沒有說明採集工具會將哪些資料列計入上限。如果工作需要 100 則頂層留言，只有在你清楚哪些資料列會占用額度時，設定為 100 才有用。

分母是計數所依據的單位。這裡的重要分母，是哪些類型的留言會計入上限。請在採集前記錄清楚。只寫「上限：100」仍不明確。寫成「上限：每篇貼文 100 則不重複的頂層留言」，才能讓這個數字有清楚的意義。

也要區分上限與目標。上限為 100，表示最多允許 100 筆符合條件的資料列。這不保證來源有 100 則可取得的留言，也不保證採集會傳回這個數量。

比較會影響選擇的規格

Chronometrica 的公開輸入規格使用 `postUrls` 接收公開貼文或 Reel 的 URL。其 `maxCommentsPerPost` 設定限制每篇貼文可採集的不重複頂層留言數量，預設值為 100。`repliesCount` 的值是回覆數量，不是回覆文字。這些規格適合頂層留言的採集流程。Chronometrica 規格

下表區分了已查核的產品事實，以及你必須依自身工作確認的事項。

產品依據：Chronometrica 與 Herus13。

Herus13 的文件也記載了失敗資料列、扁平化 CSV 檢視，以及僅限存取公開資料的規定。採集後可以篩選資料。Herus13 規格

輸出單位的範圍較小，不代表完整性更好。這些依據可用來選擇採集範圍，無法判定哪款工具在速度、準確度、可靠性、涵蓋範圍或總成本方面較好。

篩選匯出資料與設定採集上限是不同的操作。事後篩選可以移除不需要的資料列，但篩選本身不會補採更多資料列來取代它們。將保留的資料集用於分析前，請先確認其數量。

虛構範例：100 筆資料列中可能包含少於 100 則頂層留言

這是虛構範例，不是測試、客戶成果或實測資料集。

一名研究者想研究對某支 Reel 的直接回應。研究最多需要 100 則頂層留言。回覆文字不在研究範圍內，因為回覆可能是在回應另一個人，而非直接回應該 Reel。

假設匯出資料包含以下資料列：

• 70 則頂層留言。
• 30 則回覆。
• 總共 100 筆資料列。

計算正確：70 + 30 = 100。但匯出資料中有 70 則頂層留言，而不是 100 則。如果研究者移除回覆，保留的資料集就只有 70 筆資料列。

對這項虛構工作而言，Chronometrica 公開定義的單位符合需求。上限與研究計數指的是同一類留言。這不表示執行一次就會找到 100 則留言，而是表示所設定的上限具有正確的意義。Chronometrica 規格

現在改變研究問題。研究者想了解人們如何互相回應。這時，回覆文字，以及回覆與其父項之間的關係，就成為必要資料。由於所需的依據已改變，工具選擇也必須改變。

請勿用這個範例預測任一 Actor 的結果。70 與 30 這兩個數量，只是用來說明為何混合資料列總數不能代表頂層留言數量。

報告結果時也要作出相同區分。「我們保留了 70 則頂層留言」很清楚。「我們分析了 100 則留言」則可能掩蓋原始匯出資料與實際研究資料列之間的差異。

採集前，先完成簡短的檢查流程

你可以透過 5 項檢查作出選擇。將答案與採集筆記一起保存，讓其他人也能理解這個決定。

1. 定義合格的資料列。用一句話說明哪些資料應納入資料集。例如：「每筆合格資料列，是來自某支選定公開 Reel 的一則頂層留言。」如果工作需要包含回覆，就應明確寫出。不要只因某款工具容易採集某類資料列，就選擇該類型。
2. 定義來源清單。確認你是否已有貼文或 Reel 的 URL。將選定的 URL 與採集紀錄一起保存。如果仍需透過帳號尋找貼文，請將尋找貼文視為獨立的輸入需求。留言採集工具必須支援你打算用來找出來源的方式。
3. 確認上限的計數規則。閱讀設定說明，不要只看名稱。記下上限是套用於每篇貼文，還是整次採集。也要記錄哪些資料列類型會計入上限。將設定的上限與實際傳回的數量分開記錄。
4. 列出所需欄位。欄位是資料列中具有名稱的值。你可能需要留言文字、來源參照，以及用來檢查重複資料的識別碼。討論串研究也可能需要父項識別碼。在假設某個欄位存在之前，請先查閱目前的輸出文件。不要用回覆數量代替回覆文字。
5. 設定驗收規則。決定分析前如何檢查結果。明確說明哪些資料列符合條件、如何處理重複資料，以及哪些缺失值會使資料列無法用於預定問題。保留遭排除的資料列或排除數量，以便說明最終資料集。

這些檢查可確保工具選擇符合工作需求，也能避免只因資料列總數較多，就偏好某份匯出資料。

如果尚未確認某個必要欄位，請將其狀態保留為未知。不要根據產品名稱推斷它支援某項功能。也不要因簡短的比較未提及某項功能，就推斷該功能不存在。請查閱目前的規格，確認工具是否符合確切需求。

以明確的輸入設定啟動 Chronometrica

對於頂層留言採集流程，已查核的最小輸入設定格式如下：

{
  "postUrls": [
    "https://www.instagram.com/reel/DIwcCZgxVZP/"
  ],
  "maxCommentsPerPost": 100
}

將範例 URL 換成你要採集的公開貼文或 Reel URL。範例來源不保證目前仍可存取。

提供的輸入已通過靜態檢查，檢查依據是快取的公開輸入結構定義。結構定義會規定允許的輸入欄位與值。靜態檢查只確認輸入格式，不會採集留言。本比較沒有實際執行採集。

已查核的結構定義要求 `postUrls` 至少包含 1 個項目。它將 `maxCommentsPerPost` 定義為 1 至 999999 的整數，預設值為 100。啟用移除結果上限的選項後，系統會忽略此上限。如果工作需要固定上限，請檢查該選項。Chronometrica 輸入規格

公開 Task 可作為實用的起始預設設定。頁面檢查已確認該頁面成功載入，且標題符合預期。但這項檢查沒有確認目前儲存的輸入設定。執行前，請套用並檢查你要使用的值。Chronometrica Task

儲存實際使用的輸入設定。預設設定的連結很有用，但光有連結，無法顯示某次採集實際採用了哪些值。

將結果視為樣本前，先完成檢查

採集後，將傳回的資料列與你寫下的驗收規則比較。這項檢查應與後續的文字分析分開進行。

第 1，確認資料列單位。確認保留的紀錄符合預定的留言類型。對頂層留言研究而言，可取得的回覆數量能提供背景資訊，但不會讓資料集因此包含回覆文字。

第 2，分開記錄要求的數量與傳回的數量。你可能設定了 100 的上限，卻收到較少符合條件的資料列。請報告實際數量。僅憑結果數量較少，無法判斷為何缺少資料列，也無法判斷採集工具是否已取得所有可用資料。

第 3，如果有已確認的識別碼，請用它們檢查重複資料。文字相同不足以證明資料重複。2 個人可能寫出相同的文字。變更資料前，請保留原始匯出資料，以便日後檢視你的決定。

第 4，保留缺失值。回覆數量未知，不等於回覆數量為 0。無法取得某個欄位，不代表相關事件沒有發生。如果缺少必要的值，請記錄缺口，並決定該資料列是否仍能回答問題。

第 5，檢查結論的適用範圍。有上限的採集不一定是隨機樣本。不要假設資料的選取順序，也不要聲稱保留的資料列能代表所有觀眾。請說明如何選擇來源，以及你對採集資料集已知的情況。

實用的採集紀錄應包含來源 URL、採集日期、Actor、實際套用的輸入設定、要求的上限、傳回數量、保留數量，以及排除原因。整份紀錄應採用相同的資料列定義。

如需試算表匯入方式及更完整的文件記錄步驟，請接著閱讀將公開 Instagram 留言匯出至 Excel 以用於論文。該指南說明選定 Actor 與採集單位後的工作。