benchmark.md
6.49 KB
YouTube 爬虫 Skill Benchmark
评分维度与权重
| 维度 | 权重 | 说明 |
|---|---|---|
| 功能完整性 | 20% | 核心字段覆盖、功能实现完整度 |
| 代码质量 | 20% | 代码结构、可读性、文档、测试覆盖 |
| API/工具使用规范 | 15% | API 参数正确性、配额管理、反爬策略 |
| 数据完整性 | 15% | 数据字段完整、类型正确、格式标准 |
| 扩展性 | 10% | 地区/分类可配置、功能可扩展 |
| 错误处理与稳定性 | 10% | 异常处理、降级方案、重试机制 |
| 性能与效率 | 10% | 缓存策略、请求频率、响应时间 |
权重总和:100%
评分标准(0-100 分制)
1. 功能完整性(20%)
| 分数 | 标准 |
|---|---|
| 90-100 | 完整提取 6 个核心字段(videoId、title、viewCount、channelTitle、thumbnails、publishedAt),支持多地区多分类 |
| 80-89 | 提取 5 个核心字段,基本功能完整 |
| 70-79 | 提取 4 个核心字段,主要功能可用 |
| 60-69 | 提取 3 个以下字段,功能缺失明显 |
| 功能严重缺失,无法正常使用 |
检查项:
- [ ] 是否返回 videoId
- [ ] 是否返回 title
- [ ] 是否返回 viewCount
- [ ] 是否返回 channelTitle
- [ ] 是否返回 thumbnails
- [ ] 是否返回 publishedAt(可选但推荐)
2. 代码质量(20%)
| 分数 | 标准 |
|---|---|
| 90-100 | 模块化设计、函数拆分合理、有完整 docstring 和类型注解、单元测试覆盖率 >80% |
| 80-89 | 代码结构清晰、有基本注释、有测试 |
| 70-79 | 代码可读、少量注释、无明显坏味道 |
| 60-69 | 代码较乱、函数过长、缺少注释 |
| 代码混乱、无注释、难以维护 |
检查项:
- [ ] 是否模块化设计
- [ ] 是否有函数 docstring
- [ ] 是否有类型注解
- [ ] 变量名是否有意义
- [ ] 是否有单元测试
- [ ] 测试覆盖率是否 >80%
3. API/工具使用规范(15%)
| 分数 | 标准 |
|---|---|
| 90-100 | API 参数正确、配额监控完善、有降级方案、请求频率合理 |
| 80-89 | API 使用正确、有基本错误处理、有请求间隔 |
| 70-79 | API 基本正确、少量参数问题 |
| 60-69 | API 使用有问题、配额管理缺失 |
| 严重违反 API 规范、无配额意识 |
检查项:
- [ ] part 参数是否包含 snippet,statistics
- [ ] chart=mostPopular 是否正确设置
- [ ] maxResults 是否在 1-50 范围内
- [ ] 是否有配额监控
- [ ] 是否有降级方案(yt-dlp 备用)
- [ ] 请求间隔是否合理(API: 100ms, yt-dlp: 2s)
4. 数据完整性(15%)
| 分数 | 标准 |
|---|---|
| 90-100 | 数据字段完整、类型转换正确、时间格式标准、schema 校验完善 |
| 80-89 | 数据完整、基本类型处理正确 |
| 70-79 | 少量数据问题、类型处理基本正确 |
| 60-69 | 数据缺失或类型问题明显 |
| 数据严重不完整、类型错误 |
检查项:
- [ ] viewCount 是否转为整数(非字符串)
- [ ] publishedAt 是否转为 datetime 对象
- [ ] thumbnails 是否包含多分辨率
- [ ] 空值/边界数据是否处理
- [ ] 是否有 schema 校验
5. 扩展性(10%)
| 分数 | 标准 |
|---|---|
| 90-100 | regionCode/videoCategoryId 可配置、支持批量获取、易于扩展新功能 |
| 80-89 | 主要参数可配置、有一定扩展性 |
| 70-79 | 部分参数硬编码、扩展性一般 |
| 60-69 | 大量硬编码、扩展性差 |
| 完全写死、无法扩展 |
检查项:
- [ ] regionCode 是否可配置
- [ ] videoCategoryId 是否可配置
- [ ] maxResults 是否可配置
- [ ] 是否支持批量获取
- [ ] 是否易于添加新功能
6. 错误处理与稳定性(10%)
| 分数 | 标准 |
|---|---|
| 90-100 | 完善的异常处理、自动降级、指数退避重试、友好的错误提示 |
| 80-89 | 有异常处理、有重试机制 |
| 70-79 | 基本错误处理、不会崩溃 |
| 60-69 | 错误处理不完善、可能崩溃 |
| 无错误处理、程序易崩溃 |
检查项:
- [ ] API 错误是否捕获
- [ ] 网络错误是否处理
- [ ] 是否有重试机制
- [ ] 是否有降级方案
- [ ] 错误提示是否友好
- [ ] 空结果是否处理
7. 性能与效率(10%)
| 分数 | 标准 |
|---|---|
| 90-100 | 缓存策略完善(15-30分钟)、并发控制合理、响应快速 |
| 80-89 | 有缓存机制、性能良好 |
| 70-79 | 基本的性能考虑 |
| 60-69 | 性能问题明显、无缓存 |
| 频繁请求、快速耗尽配额 |
检查项:
- [ ] 是否有缓存机制
- [ ] 缓存时间是否合理(15-30分钟)
- [ ] 并发请求是否控制
- [ ] 是否避免重复请求
- [ ] 响应时间是否可接受
通过阈值
| 等级 | 总分 | 说明 |
|---|---|---|
| 优秀 | ≥90 | 生产就绪,可直接部署 |
| 良好 | 80-89 | 基本可用,有优化空间 |
| 及格 | 70-79 | 功能可用,有明显改进点 |
| 不及格 | 不推荐上线,需大量改进 |
自动化测试用例
基础功能测试
# TC-001: API 基础调用
test_api_basic()
# 预期:返回包含 6 个核心字段的视频列表
# TC-002: 参数验证
test_invalid_part()
# 预期:正确处理缺少 part 参数的错误
# TC-003: 字段完整性
test_field_completeness()
# 预期:所有 6 个核心字段都存在且非空
# TC-004: 边界值测试
test_max_results_boundary()
# 预期:maxResults=50 成功,maxResults=100 报错
错误处理测试
# TC-005: 无效 API Key
test_invalid_api_key()
# 预期:返回友好错误提示,不崩溃
# TC-006: 配额超限
test_quota_exceeded()
# 预期:触发降级方案,切换到 yt-dlp
# TC-007: 网络超时
test_network_timeout()
# 预期:重试 3 次后优雅失败
数据质量测试
# TC-008: 数据类型
test_viewcount_type()
# 预期:viewCount 为 int 类型
# TC-009: 时间格式
test_datetime_format()
# 预期:publishedAt 为 datetime 对象
# TC-010: 空值处理
test_empty_thumbnail()
# 预期:无缩略图时返回占位图,不报错
评分公式
总分 = Σ(维度分数 × 维度权重)
示例:
功能完整性: 95 × 0.20 = 19
代码质量: 90 × 0.20 = 18
API规范: 95 × 0.15 = 14.25
数据完整性: 95 × 0.15 = 14.25
扩展性: 85 × 0.10 = 8.5
错误处理: 90 × 0.10 = 9
性能效率: 90 × 0.10 = 9
总分 = 92 (优秀)
Generated by digester-youtube-crawler | 2026-04-01