你是否曾经想过要分析某个热门视频下的观众情绪，或者是想通过爬取评论来进行自然语言处理（NLP）研究？又或者，作为一名开发者，你想为你的客户建立一个监控 YouTube 品牌声誉的工具？不管你的动机是什么，YouTube Data API 都是我们实现这些目标的强大入口。
在 2026 年的今天，数据采集领域已经发生了巨大的变化。我们不再仅仅是编写脚本来“获取数据”，而是在构建智能、弹性且符合 AI 时代标准的数据管道。在这篇文章中，我们将深入探讨如何使用 Python 和 Google 提供的 YouTube Data API v3 来提取指定视频的评论及其回复。我们不仅会编写代码，还会结合最新的“Vibe Coding（氛围编程）”理念，利用 AI 辅助开发流程，深入讲解背后的逻辑、处理分页问题、生产级最佳实践以及如何优化我们的爬取策略。让我们开始这段探索之旅吧。
目录
为什么选择 YouTube Data API？
虽然市面上有许多第三方库（如 youtube-transcript-api 或基于 Selenium 的爬虫）可以用来抓取数据，但 Google 官方提供的 API 无疑是最稳定、最合法且功能最全面的选择。在当前的技术环境下，盲目使用爬虫不仅维护成本高昂，而且极易触犯法律红线。
首先，API 的调用非常灵活。除了我们今天要讲的获取评论，它还允许我们：
- 搜索与检索：精确匹配视频、频道或播放列表。
- 内容管理：我们可以通过 API 上传视频、更新视频元数据甚至删除视频。
- 订阅互动：管理用户的订阅关系，获取最新的订阅动态。
使用 API 的另一个巨大优势是稳定性。相比于模拟浏览器行为容易被反爬虫机制拦截，官方 API 只要控制好请求配额，就是最可靠的数据源。
前置准备：获取 API 密钥与 AI 辅助配置
在动手写代码之前，我们需要一把开启数据宝库的“钥匙”，也就是 API Key。如果你还没有，请按照以下步骤操作：
- 前往 Google Cloud Console。
- 创建一个新项目，或者选择一个现有项目。
- 在导航栏中找到“APIs & Services” > “Library”，搜索“YouTube Data API v3”并启用它。
- 接着在“APIs & Services” > “Credentials”中创建凭据，选择“API Key”。
注意：出于安全考虑，你应该在获取 Key 后将其限制为只允许 YouTube API 使用，并设置应用限制（例如 IP 限制）。
2026 开发者提示：在我们最近的一个项目中，我们强烈建议不要将 Key 直接硬编码在代码里，甚至不要简单地放在 .env 文件中。在现代化的 CI/CD 流水线（如 GitHub Actions 或 GitLab CI）中，我们应该使用 Secrets Management 服务（如 HashiCorp Vault 或 AWS Secrets Manager）来动态注入密钥。
核心概念：理解 API 响应结构
在编写代码之前，让我们先了解一下 YouTube 评论数据的结构，这对接下来的代码至关重要。
在 YouTube 数据模型中，评论是以“线程”的形式组织的。一个 commentThread 资源包含了一个顶级评论以及针对该评论的所有回复。
- topLevelComment：这是直接回复视频的评论。
- replies：这是回复给“顶级评论”的子评论列表。
当我们调用 API 时，系统会返回一个 JSON 对象。我们的任务就是解析这个对象，提取出 INLINECODE5bf60710 中的 INLINECODEc9cad1a6（评论内容）。
基础环境配置与 AI 赋能
首先，我们需要安装 Google 提供的 Python 客户端库。打开你的终端，运行以下命令：
pip install google-api-python-client pandas python-dotenv
现代开发实践：在 2026 年，当我们搭建这样的环境时，建议使用虚拟环境管理工具如 INLINECODE6c551d0b 或 INLINECODE93a1b9d0（速度极快的现代 Python 包管理器），而不是传统的 pip。这能确保项目依赖的隔离性和可复现性。
第一步：建立连接与基础调用
让我们先从最简单的部分开始：建立与 YouTube 的连接。
我们需要使用 INLINECODE75d3cb29 模块中的 INLINECODE7340136d 函数。这个函数会返回一个资源对象，我们可以通过这个对象来调用 API 的各种方法。
# 引入必要的库
from googleapiclient.discovery import build
import os
# 使用环境变量加载 API Key，这是更安全的做法
API_KEY = os.getenv(‘YOUTUBE_API_KEY‘, ‘你的_API_Key_Here‘)
VIDEO_ID = ‘你要分析的视频ID_Here‘
# 建立 YouTube 资源对象
# 这里我们将服务名设置为 ‘youtube‘，版本设置为 ‘v3‘
youtube = build(‘youtube‘, ‘v3‘, developerKey=API_KEY)
print("成功连接到 YouTube API！")
在这一步，我们并没有真正提取数据，只是建立了会话。如果你看到成功输出的提示，说明你的环境配置没有问题。
第二步：获取单页评论数据
接下来，让我们尝试获取第一页的评论。我们将使用 commentThreads().list() 方法。这是最核心的调用。
我们需要关注几个关键参数：
- INLINECODE4468c2ed: 指定 API 响应应包含的部分。为了获取评论内容和回复，我们需要传 INLINECODE33638fa4。
-
videoId: 目标视频的 ID。 -
maxResults:（可选）每页返回的最大结果数，默认通常是 20。
from googleapiclient.discovery import build
def get_single_page_comments(video_id):
api_key = os.getenv(‘YOUTUBE_API_KEY‘)
youtube = build(‘youtube‘, ‘v3‘, developerKey=api_key)
# 调用 commentThreads().list 接口
# part 参数是必须的，snippet 包含评论基本信息，replies 包含回复内容
request = youtube.commentThreads().list(
part=‘snippet,replies‘,
videoId=video_id,
maxResults=10 # 这里限制为 10 条以便观察
)
# 执行请求
response = request.execute()
# 我们可以打印一下看看原始数据结构
# import json; print(json.dumps(response, indent=2))
return response
# 示例调用（请确保 VIDEO_ID 有效）
# response_data = get_single_page_comments(VIDEO_ID)
当这个函数执行后，你会得到一个巨大的字典。我们需要遍历这个字典中的 items 列表。
2026 技术洞察：AI 辅助的数据采集流程
在深入代码之前，让我们思考一下现代开发的本质。在使用像 Cursor 或 Windsurf 这样的 AI IDE 时，我们不再手写每一行代码。作为开发者，我们的角色更像是“架构师”和“审核员”。
我们可以这样利用 AI：
- 生成样板代码：让 AI 为我们生成基本的 API 连接代码。
- 解释复杂的 JSON 结构：直接把 API 返回的 JSON 丢给 AI，问它：“请告诉我提取评论回复数应该用什么路径？”
- 自动化调试：当遇到 403 错误时，让 AI 分析日志并给出修复建议。
这种“Agentic AI”的工作流不仅能提高效率，还能帮助我们避免那些低级的语法错误。
第三步：解析评论与回复的完整逻辑
现在我们进入最关键的部分。我们需要处理以下逻辑：
- 遍历 API 返回的
items。 - 提取
topLevelComment中的文本。 - 检查该评论是否有回复（
totalReplyCount> 0）。 - 如果有回复，遍历
replies列表并提取文本。 - 处理分页——这是大量数据提取的关键。
让我们看一个完整的、带有详细注释的代码示例：
from googleapiclient.discovery import build
def extract_comments_with_replies(video_id):
# 初始化用于存储回复的临时列表
replies_buffer = []
# 建立 API 连接
# 建议将 API_KEY 放在配置文件或环境变量中，不要硬编码
youtube = build(‘youtube‘, ‘v3‘, developerKey=os.getenv(‘YOUTUBE_API_KEY‘))
# 发起第一次请求
video_response = youtube.commentThreads().list(
part=‘snippet,replies‘,
videoId=video_id
).execute()
# 循环处理每一页的数据
# 只要 video_response 中有数据，循环就继续
while video_response:
# 遍历当前页面的每一个评论项
for item in video_response[‘items‘]:
# 1. 提取顶级评论内容
# 数据路径: item -> snippet -> topLevelComment -> snippet -> textDisplay
top_level_comment = item[‘snippet‘][‘topLevelComment‘][‘snippet‘][‘textDisplay‘]
author_name = item[‘snippet‘][‘topLevelComment‘][‘snippet‘][‘authorDisplayName‘]
# 打印作者和评论，方便调试
print(f"作者: {author_name}")
print(f"评论: {top_level_comment}")
# 2. 检查是否有回复
reply_count = item[‘snippet‘][‘totalReplyCount‘]
if reply_count > 0:
# 如果有回复，item 中会包含 ‘replies‘ 字段
for reply in item[‘replies‘][‘comments‘]:
# 提取回复文本
reply_text = reply[‘snippet‘][‘textDisplay‘]
# 将回复存入列表
replies_buffer.append(reply_text)
# 打印回复，使用缩进表示层级
print(f" 回复: {reply_text}")
# 分隔线，让控制台输出更清晰
print("-" * 40)
# 清空缓冲区，准备处理下一个顶级评论
replies_buffer = []
# 3. 处理分页逻辑
# YouTube API 使用 nextPageToken 来指示下一页数据的“游标"
if ‘nextPageToken‘ in video_response:
# 如果存在下一页 Token，我们需要再次发起请求
# 注意：这次请求必须带上 pageToken 参数
video_response = youtube.commentThreads().list(
part=‘snippet,replies‘,
videoId=video_id,
pageToken=video_response[‘nextPageToken‘]
).execute()
else:
# 如果没有 nextPageToken，说明已经是最后一页了
break
# 调用函数
# extract_comments_with_replies("你要分析的视频ID")
代码深度解析：游标分页机制
让我们停下来，深入剖析一下上面的代码。你可能会发现，代码的核心在于那个 INLINECODEc1eb7e30 循环和 INLINECODE61d63d1f 的处理。
YouTube API 为了性能考虑，不会一次性返回视频的所有评论（试想如果一个视频有 100 万条评论，一次返回可能会导致服务器超时或内存溢出）。相反，它将结果分页返回。每一页的数据结构中，除了 INLINECODE4f1737ed 列表外，还有一个隐藏的属性叫 INLINECODEc7e2fbf5。
我们的代码逻辑是：
- 第一次请求：获取第一页数据。
- 处理数据：打印评论和回复。
- 检查 Token：看这一页的数据包里有没有
nextPageToken。如果有，说明还有更多数据。 - 再次请求：带着这个 Token 再次调用 API。API 服务器收到 Token 后，就知道该把下一页的数据发回给你。
- 直到 Token 消失：如果某一页的数据包里没有
nextPageToken，说明我们已经到达了数据的尽头。
这种机制在 Web 开发中非常常见，也被称为“游标分页”。相比于传统的偏移量分页，游标分页在处理大数据集时性能更稳定，不会出现数据重复或遗漏的问题。
实战中的挑战与解决方案
虽然上面的代码能跑通，但在实际生产环境中，我们还需要面对一些挑战。作为经验丰富的开发者，我们在无数个深夜 Debug 中总结了以下经验。
1. 配额管理与成本控制
YouTube API 对每日请求次数有严格限制。默认情况下，每天大约只有 10,000 个单位的配额。请注意，每请求一次评论列表可能会消耗多个单位（具体取决于你请求的 ‘part‘ 参数）。
解决方案：
- 指数退避策略：当遇到 429 错误（配额超限）时，不要立即重试。使用
time.sleep()并逐渐增加等待时间（例如 1s, 2s, 4s, 8s）。 - 精准查询：只请求你需要的字段。如果你不需要回复，就不要加
repliespart。
2. 评论被删除或不可用
有时候，评论者可能会删除自己的评论，或者视频作者隐藏了评论。在 API 返回的数据中，这可能导致某些字段缺失。
解决方案：
使用 Python 的 INLINECODE1e3b10d3 方法或者 INLINECODE7376728d 块来防止 KeyError。例如：
text_display = item.get(‘snippet‘, {}).get(‘topLevelComment‘, {}).get(‘snippet‘, {}).get(‘textDisplay‘, ‘内容不可用‘)
3. 性能优化与持久化存储
如果我们只是简单地把数据打印到屏幕上，那很容易。但在实际应用中，我们通常需要将数据保存到 CSV 或数据库中。
建议：
不要在循环中进行数据库的“逐条插入”。那会极慢。最好是将所有解析好的数据先收集到一个列表中，然后使用 Pandas 或 bulk insert 进行批量写入。
增强版代码：包含错误处理与数据存储
下面是一个更健壮的版本，它不仅提取数据，还处理了常见的异常，并将数据整理成 Pandas DataFrame 方便后续分析。
import pandas as pd
from googleapiclient.discovery import build
from googleapiclient.errors import HttpError
import time
def scrape_youtube_comments_robust(video_id, api_key):
comments_data = []
youtube = build(‘youtube‘, ‘v3‘, developerKey=api_key)
next_page_token = None
while True:
try:
request = youtube.commentThreads().list(
part=‘snippet,replies‘,
videoId=video_id,
maxResults=100, # 尽可能多获取
pageToken=next_page_token
)
response = request.execute()
for item in response[‘items‘]:
top_level = item[‘snippet‘][‘topLevelComment‘][‘snippet‘]
row = {
‘Comment_ID‘: item[‘snippet‘][‘topLevelComment‘][‘id‘],
‘Author‘: top_level.get(‘authorDisplayName‘, ‘Unknown‘),
‘Text‘: top_level.get(‘textDisplay‘, ‘‘),
‘Likes‘: top_level.get(‘likeCount‘, 0),
‘Date‘: top_level.get(‘publishedAt‘, ‘‘),
‘Parent_ID‘: None # 顶级评论无父ID
}
comments_data.append(row)
# 处理回复
if item[‘snippet‘][‘totalReplyCount‘] > 0 and ‘replies‘ in item:
for reply in item[‘replies‘][‘comments‘]:
reply_info = reply[‘snippet‘]
reply_row = {
‘Comment_ID‘: reply[‘id‘],
‘Author‘: reply_info.get(‘authorDisplayName‘, ‘Unknown‘),
‘Text‘: reply_info.get(‘textDisplay‘, ‘‘),
‘Likes‘: reply_info.get(‘likeCount‘, 0),
‘Date‘: reply_info.get(‘publishedAt‘, ‘‘),
‘Parent_ID‘: reply_info.get(‘parentId‘)
}
comments_data.append(reply_row)
next_page_token = response.get(‘nextPageToken‘)
if not next_page_token:
break
except HttpError as e:
print(f"API 错误: {e}")
if e.resp.status == 403:
print("配额超限，暂停 10 秒后重试...")
time.sleep(10)
else:
break
except Exception as e:
print(f"未知错误: {e}")
break
return pd.DataFrame(comments_data)
# 使用示例
# df = scrape_youtube_comments_robust(‘你的视频ID‘, ‘你的API_Key‘)
# df.to_csv(‘youtube_comments.csv‘, index=False)
总结与后续步骤
在这篇文章中，我们走完了从零开始到实战应用的全过程。我们不仅学习了如何使用 Python 调用 YouTube Data API，还深入了解了 nextPageToken 的分页机制，以及如何处理嵌套的回复结构。我们还讨论了配额限制和错误处理等生产环境中的关键问题。
通过你今天学到的知识，你现在可以：
- 构建数据集：为你的机器学习项目收集文本数据。
- 舆情监控：自动追踪特定品牌或产品的用户反馈。
- 内容分析：分析什么样的标题或内容会引发更多的互动和评论。
接下来的建议？你可以尝试将这些数据可视化，或者结合 Pandas 对评论内容进行更深入的统计和分析。祝你编码愉快，探索愉快！