频道 5000 条视频我按标题去重，删掉的是不同片子
频道攒到 5000 条视频的时候，我想做一份本地索引，方便按标题搜索。原始数据是用 yt-dlp 拉的信息，`--skip-download --write-info-json`，存成每视频一个 json。第一步很自然：按标题去重，把看起来重复的合并掉。结果删完再抽查，发现被删的里面有一批是完全不同的视频。
Youtube — 视频创作与平台生态讨论
频道 1.8 万条视频，我用 yt-dlp 批量拉字幕时把限速当成了封号
手上有个做知识区的频道，1.8 万条视频，大部分有自动字幕。我想把字幕拉下来做本地全文搜索，环境是 Ubuntu 22.04，yt-dlp 2024 年某个版本（具体版本号没记，用 pip 装的），Python 3.10 调用 subprocess 循环跑。
频道 2300 条视频，我按分类归档时发现标签根本对不上
手上有个频道，2300 多条视频，想按「分类」归档成几个子目录，方便本地检索。环境是 macOS，yt-dlp 2024 年中的版本，元数据拉的是 --dump-json，每条大概 40KB，整个 JSONL 下来接近 90MB。
频道 800 条视频我按上传时间排序，发现首播和发布不是一回事
频道 800 多条视频，我想做一个按时间倒序的归档页。环境是本地 Python 3.11 + yt-dlp，数据来自频道页的 flat 播放列表抓取，单次拿到 800 多条条目，字段只有 id、title、duration、upload_date 这些。
频道三千条视频的缩略图，我按分辨率分桶才发现问题
频道有 3200 条视频，做封面归档时我想按缩略图分辨率分类：高清、标清、无封面。原以为 `maxresdefault.jpg` 存在就是高清，直接 `curl -I` 看 200 还是 404。结果跑完发现 1400 多条被判成「无封面」，抽查几条明明在网页上有图。
频道 400 条视频的播放列表，我用 yt-dlp 抓完发现少了 37 条
频道有 400 条视频，我按播放列表抓元数据，跑完之后库里只有 363 条。不是解析失败，yt-dlp 退出码是 0，日志里也没报错。第一次遇到这种情况，我以为是过滤条件写错了。
频道 400 条视频的元数据，我用 sqlite 存后查发布时间全错
我的频道有 400 多条视频，之前用 yt-dlp 拉过元数据，存成 JSON 放在硬盘里。想按发布时间排序时发现，直接读 JSON 再排序很慢，于是想导入 sqlite 建个索引。数据库版本是 sqlite 3.37，系统是 Ubuntu 22.04，数据量不大，但字段类型没想清楚。
频道 3 万条评论用 yt-dlp 补抓，我漏掉了回复层级
上周想把一个 3.2 万条评论的频道评论区做成本地可检索的存档。之前用后台导出拿到的是扁平表，parent 字段被压掉了，回复和主楼混在一层，看不出谁回谁。我改用 yt-dlp 的 `--write-comments` 补抓，环境是 yt-dlp 2024 年某版（具体版本号没记，`yt-dlp --version` 能查），Python 3.11，Linux。
频道字幕导成本地索引后，播放器时间轴对不上
给一个更新了三年的频道做字幕检索，本地已经用 yt-dlp 拉下了约 900 条 vtt，总时长加起来 60 多小时。做完索引后，用播放器跳转到字幕命中的时间点，画面总是比字幕慢两三秒，而且长视频偏得更明显。
频道 1200 条视频按发布年份归档，我用文件名排序翻车了
上周想给频道做一次归档：1200 多条视频，从 2019 年到现在，打算按年份分目录，方便后面查素材。环境很普通，macOS 上用 zsh，数据是之前用 yt-dlp 拉下来的 JSON 元数据加视频文件，单个 JSON 几十 KB，总量不到 200 MB，不算大数据。
频道 6 万条评论按视频聚合，我用 GROUP BY 踩了空值坑
环境是本机 SQLite 3.45，数据是频道后台导出的评论 CSV，约 6.2 万行，字段有 video_id、author、text、published_at、like_count。想做的事很简单：按视频统计评论条数和平均点赞，挑出互动最集中的 20 条视频。
用 yt-dlp 只拉音频归档时，我修好了两处参数
频道里有一批只适合听的内容：访谈、播客式的长视频、直播回放。我打算只留音轨，用 128k 的 m4a 存着，这样 300 多条视频预计占几十 GB，比存完整视频省得多。环境是 Debian 12，yt-dlp 版本 2024 年下半年某个 release，Python 3.11，输出到一块外接盘。
把频道 400 条视频元数据导进表格，我遇到了日期字段和空值的坑
我做的是把频道后台导出的视频列表（约 400 条，CSV，带播放量、时长、发布时间）和自己的发布记录对账，想看看哪几条表现异常。环境是 macOS 本地，Python 3.11 + pandas 2.1，数据量不大，但字段很脏。
频道 9 万条评论导进本地库，我被时区字段坑了整晚
手上这个频道后台导出的评论 CSV，是 2024-11 那版后台的格式，9 万多行，字段里有 create_time 和 update_time，长这样：`2024-11-03T14:22:07Z`。我第一反应是直接 `INSERT` 进 SQLite，按字符串排序看时间线，白天跑起来一切正常，晚上把一周的日增评论拉出来对，发现每天的数据都往前偏了 8 小时——凌晨 0 点到 8 点发的评论全被算
频道 6 万条评论导出后，我用 jq 清洗时才发现自己一直在丢字段
上个月我把频道从开通到现在的评论都导了出来，大约 6 万条，存成 NDJSON，每行一条。本来只想统计每月评论数，结果 jq 跑完发现总数比后台显示的少了 400 多条。
Youtube（视频创作与平台生态讨论），工程实践：一个具体问题和一个不成熟的判断
最近在 Youtube 上折腾 Youtube（视频创作与平台生态讨论），工程实践，遇到一个挺典型的情况：同一个做法在文档里看着没问题，换一个环境就要重来一遍。
Youtube（视频创作与平台生态讨论），工程实践：一个具体问题和一个不成熟的判断
最近在 Youtube 上折腾 Youtube（视频创作与平台生态讨论），工程实践，遇到一个挺典型的情况：同一个做法在文档里看着没问题，换一个环境就要重来一遍。
频道 400 条视频的封面缩略图，我用 ffmpeg 批量压成 WebP
我自己的频道不算大，400 出头条视频。前阵子想把所有封面拉下来做个本地索引页，方便自己回顾哪类选题的点击率更高。结果第一批处理完就发现问题：封面图从后台拿到的 jpg，单张平均 180KB，400 张堆在一起 70MB 左右，塞进一个静态页面里，滚动时明显卡顿。
频道后台导出 8 万条评论后，我把时间戳全对错了
上个月想给自己频道做一次评论情绪回看，从 YouTube Studio 后台导出评论 CSV。频道大概 8 万条评论，时间跨度两年半，环境是 macOS + Python 3.11，最后要灌进本地 SQLite 做查询。导出文件打开看着没问题，但入库后按天聚合，发现 2023 年 11 月有几天评论数为 0，而那几天明明有视频发布。
频道 2.1 万条评论灌进本地库，我被长度字段坑了一晚上
场景：自己的频道，2.1 万条评论，从 YouTube Data API v3 的 commentThreads 分页拉下来，存成 JSON 分批落盘。环境是 macOS + Python 3.11，目标是把它们塞进本地 SQLite，做按视频、按时间、按作者聚合，顺便试一下 LIKE 能不能撑住中文搜索。数据量不大，单表 2 万行，理论上几秒钟的事。