跳到导航

video_id 要填完整 YouTube 链接吗?

不用。YouTube 评论请求的 video_id 只填写 11 位视频 ID,不填完整 URL。观看链接从 v 参数提取,youtu.be 短链从路径提取;例如 https://www.youtube.com/watch?v=AbCdEfGhI_1 对应的 video_id 为 AbCdEfGhI_1。对指向同一 video_id 的不同分享链接先在本地去重,再准备评论第一页。

把混合链接清单变成评论首页请求

做产品评测研究时,先整理已选定的视频链接:

  • /watch 链接的 11 位 ID 位于 v 参数中。
  • youtu.be 短链的 11 位 ID 直接位于路径中。
  • /embed/、/shorts/ 和 /live/ 路径同样携带 11 位视频 ID。
  • 纯播放列表链接、频道 handle 和跳转链接不包含明确的单条视频 ID。

下面的 youtube_ids.py 仅在本地解析上述显式 URL 形态,不访问任何网址,也不展开播放列表或频道。

把链接字符串保存为 links.json。下面的示例输入包含同一 11 位 ID 的两种链接形态与一个频道 handle,示例 ID 不代表已验证可播放的视频:

["https://www.youtube.com/watch?v=AbCdEfGhI_1&list=example", "https://youtu.be/AbCdEfGhI_1?t=30", "https://www.youtube.com/@example"]

把代码保存为 youtube_ids.py 后运行 python3 youtube_ids.py links.json youtube-prepared。youtube_ids.py 原样保留大小写和下划线,拒绝存在多个 v 参数的歧义链接,并按完整的 11 字符 video_id 去重,而不按标题或频道名合并。requests.json 是多个独立 Capabilities Run 请求体的列表,不是批量 API 请求。

import json,pathlib,re,sys
from urllib.parse import urlsplit,parse_qs
source,target=map(pathlib.Path,sys.argv[1:3])
inputs=json.loads(source.read_text(encoding='utf-8'))
if not isinstance(inputs,list) or not 1<=len(inputs)<=100: raise ValueError('Supply 1–100 strings')
pattern=re.compile(r'[A-Za-z0-9_-]{11}')
ids,rejected={},[]
for n,value in enumerate(inputs,1):
identifier=None
if isinstance(value,str):
text=value.strip()
if pattern.fullmatch(text): identifier=text
else:
try:
u=urlsplit(text);query=parse_qs(u.query,keep_blank_values=True)
short=re.fullmatch(r'/([A-Za-z0-9_-]{11})/?',u.path)
direct=re.fullmatch(r'/(?:embed|shorts|live)/([A-Za-z0-9_-]{11})/?',u.path)
safe=u.scheme=='https' and not u.username and not u.password and u.port in (None,443)
if safe and u.hostname=='youtu.be' and short: identifier=short.group(1)
elif safe and u.hostname in ('youtube.com','www.youtube.com','m.youtube.com'):
if u.path=='/watch' and len(query.get('v',[]))==1: identifier=query['v'][0]
elif direct: identifier=direct.group(1)
if not isinstance(identifier,str) or not pattern.fullmatch(identifier): identifier=None
except ValueError: identifier=None
if identifier is None:
rejected.append({'input_index':n,'input':value,'reason':'no_unambiguous_supported_video_id'});continue
ids.setdefault(identifier,[]).append({'input_index':n,'input':value})
requests=[{'reference':'data:youtube.web_v2.get_video_comments','input':{'video_id':i,'sort_by':'newest','country_code':'US','language_code':'en-US','need_format':True},'view':'full'} for i in ids]
target.mkdir(parents=True,exist_ok=False)
(target/'requests.json').write_text(json.dumps(requests,ensure_ascii=False,indent=2),encoding='utf-8')
(target/'audit.json').write_text(json.dumps({'sources':ids,'rejected':rejected,'unique_ids':len(ids),'network_calls':0,
'existence_or_access_verified':False,'example_first_page_cost_usd':format(len(ids)*3/1000,'.3f')},ensure_ascii=False,indent=2),encoding='utf-8')
print(json.dumps({'unique_ids':len(ids),'rejected':len(rejected),'network_calls':0}))

审核准备结果与执行边界

发送前先检查 audit.json:

  1. 被拒绝的频道主页或播放列表需要人工选定具体视频链接,不能把 URL 截成 11 个字符充当 video_id。
  2. 同时带有 v 和 list 的 /watch 链接仅选中该条视频,list 与时间戳参数不会触发整张播放列表扫描。
  3. 指向同一 video_id 的不同链接合并为一次请求,不同 video_id 不会因标题相同而合并。

11 位语法校验通过不代表视频公开、存在、已开启评论或一定会返回数据。

requests.json 中的每条请求体均显式设置 sort_by:"newest"、language_code:"en-US"、country_code:"US" 与 need_format:true,因为用于拉取第一页,所以省略 continuation_token。这些参数属于采集设置,既不是纯英文过滤器,也不能证明评论者位于美国。如需调整采集口径,请在开始前修改并在翻页过程中保持不变。当前每次实际执行计费 $0.003,10 个不同视频的第一页合计 $0.030(不含后续翻页、回复与分析);发送前请重新核对合同与预算。

youtube_ids.py 不发送任何网络请求。获得授权后,将审核通过的 requests.json 请求体逐条发送至 /v1/capabilities/run,并保存实际响应与请求参数。youtube_ids.py 不解析 YouTube 评论,也不处理续页字段。若全部链接都被拒绝,空请求清单说明输入需要修正,并非导出成功。

取回已存预览结果 · 评论研究流程