Youtubeの履歴から総視聴時間を推定する 【Python】

はじめに

みなさんはゲームの総プレイ時間などを気にしたことがあるでしょうか？
自分はSteamの「総プレイ時間」などを見るとニヤニヤしてしまう性分であり、Youtubeの総合視聴時間も調べたいと思いました。

しかしながらYoutubeの総視聴時間は、実は確認する方法がありません。

(Mobileでは直近7日間の視聴時間は確認できるが、総視聴時間は教えてくれない)

今回、どうにかしてYoutubeの総視聴時間を推定できないかと思い、以下の方法でプログラムを実装し、推定しました。
後半にコード、Githubのリンクを載せているので、自分のデータも推定してみては如何でしょうか。

動作環境・使用するツールや言語

• Python 3.9.x
• ライブラリ
  • BeautifulSoup, matplotlib , lxml

やったこと

• Youtubeの視聴データ(watch-history.html)をエクスポートする
• 視聴データ(watch-history.html)から視聴日時のみを抽出
• 視聴日時の差を総和

1.Youtubeの視聴データ(watch-history.html)をエクスポートする

GoogleTakeoutにアクセス

Googleのアカウント関連のデータは、このサービスを使ってダウンロードできます。全てのデータをダウンロードすると膨大なデータ量になってしまうので、ここではYoutube->履歴のみを選択しました。

形式はhtmlで指定し、10分ほど待機してからダウンロード。
ダウンロードファイル内のwatch-hitory.htmlのみを今回扱います。

2.視聴データ(watch-history.html)から視聴日時のみを抽出

watch-history.htmlは一見するとごちゃごちゃしていて、複雑そうな構造をしていますが、実は

watch-history.html

<div class="content-cell mdl-cell mdl-cell--6-col mdl-typography--body-1">
  <a href="https://www.youtube.com/watch?v=abcdefg">動画のタイトル</a><br>
  2025/07/15 10:35:38 JST
</div>

のようなフォーマットに従っています。そのため、

test.py

with open(path, encoding='utf-8') as f:
    soup = BeautifulSoup(f, 'lxml')

entries = soup.find_all("div", class_="content-cell mdl-cell mdl-cell--6-col mdl-typography--body-1")

とすれば簡単に抽出できます。
BeautifulSoup(f, 'lxml') ではlxmlというパーサーを利用してhtmlを解析しています。標準のパーサーはhtml.parserですが、速度が断然違います。

3.視聴日時の差を総和

しかしながら、watch-history.htmlは、視聴開始時刻は保持しているものの視聴時間は保持していません。つまり、視聴時間は次の動画の視聴開始時刻 - 視聴開始時刻の総和で推定するほか方法がありません。

ここで問題になってくるのが、

• 次の動画を視聴するまで長時間空いていた場合(夜->朝など)
• 再生を途中で辞めていた場合

の状況において偽の視聴時間が加算されてしまいます。そのため一定時間以上間隔が空いた場合は「連続した視聴ではない」とみなし、視聴時間に含めないという対処が必要です。この「一定時間」が重要な変数になります。

これらを踏まえて実装しました。

test.py

from bs4 import BeautifulSoup
from datetime import datetime, timedelta

n_input = input("読み取る動画数は？（空で全件）: ")
N = int(n_input) if n_input.strip() else None 
D = 0.7 #一定時間(この例ならば、「0.7h以上動画を見ることはない」と仮定している)
path = 'watch-history.html'

with open(path, encoding='utf-8') as f:
    soup = BeautifulSoup(f, 'lxml')

entries = soup.find_all("div", class_="content-cell mdl-cell mdl-cell--6-col mdl-typography--body-1")

watch_data = [] 

for i, entry in enumerate(entries):
    a_tags = entry.find_all("a")
    if a_tags:
        title = a_tags[0].text.strip()
    else:
        title = "(タイトルなし)"

    lines = list(entry.stripped_strings)
    if lines:
        watched_time = lines[-1]
    else:
        watched_time = "(日時不明)"

    time_str1 = watched_time.replace(" JST", "")
    fmt = "%Y/%m/%d %H:%M:%S"
    try:
        dt1 = datetime.strptime(time_str1, fmt)
    except ValueError:
        continue
    watch_data.append([title, dt1, a_tags[0]['href'] if a_tags else None])


    if N is not None and i == N:
        break

total_duration = timedelta(0)

for i in range(len(watch_data) - 1):
    curwatch = watch_data[i][1]
    nextwatch = watch_data[i + 1][1]
    delta = curwatch - nextwatch
    if delta <= timedelta(hours=D) and delta > timedelta(0):
        total_duration += delta

if len(watch_data) >= 2:
    print(f"{watch_data[-1][1]}から{watch_data[1][1]}の視聴時間を推定します。")
else:
    print("視聴日時が十分にありません。")

print(f"総視聴時間 (動画数:{N} ): {total_duration}")

show_links = int(input("視聴履歴を表示する？(0: No , 1: Yes): "))
if show_links == 1:
    print("\n--- YouTubeリンク一覧 ---")
    count = int(input("表示する件数を入力（空なら全件）: ") or len(watch_data))
    for i, (title, dt, url) in enumerate(watch_data[:count]):
        print(f"{i+1}. {title} ({dt})\n   {url if url else 'URLなし'}")

print("end!")
from collections import defaultdict
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 月ごとの視聴時間を格納
monthly_duration = defaultdict(timedelta)

for i in range(len(watch_data) - 1):
    curwatch = watch_data[i][1]
    nextwatch = watch_data[i + 1][1]
    delta = curwatch - nextwatch
    if timedelta(0) < delta <= timedelta(hours=D):
        month = curwatch.strftime("%Y-%m")  # 例: "2025-07"
        monthly_duration[month] += delta

# 月ごとのデータをソート
months = sorted(monthly_duration.keys())
durations = [monthly_duration[month].total_seconds() / 3600 for month in months]  # 時間に変換

# グラフ描画
plt.figure(figsize=(10, 6))
plt.bar(months, durations, color='mediumseagreen', edgecolor='black')
plt.xticks(rotation=45)
plt.xlabel("Year-Month")
plt.ylabel("WatchTime (h)")
plt.title("WatchTime Per Month")
plt.tight_layout()
plt.grid(axis='y')
plt.show()

• はじめに何件の動画データを扱うか問う
• 日時はdatetime型に変換してから引き算
• 「一定時間」は0.7時間(42分)として扱う(つまり、自分は42分以上動画を見ないという解釈)
• 最後に視聴履歴&月毎の総視聴時間を出力

といった感じです。

「一定時間」を0.7hとして扱うと、当然ながら42分以上動画を見ていた際の時間を無視してしまいます。(この値は必要に応じて変えてください。)
そのため、この総視聴時間は実際の値の「下限値」を示すものになります。

個人的には、ゲームのプレイ時間は「XX時間以下です」よりか「XX時間以上です」の方がデータとしては安心する

出力例

自分のwatch-history.htmlを解析した出力例を示します。

読み取る動画数は？（空で全件）: 
2024-12-16 23:57:57から2025-07-15 10:35:38の視聴時間を推定します。
総再生時間 : 39 days, 14:20:15

と約7ヶ月で950時間でした。自分は本格的にYoutubeを見始めた年は2018年頃であると記憶しているので、総視聴時間は11000時間(以上)くらいでしょうか。だいぶ見ている方ですね。
総視聴時間グラフは以下の通り

2024-12,2025-07の途中からのデータなので、両端は欠けています。

最後に、このデータの整合性を分析します。

4.Geminiを用いて整合性分析

100件のデータを読み込ませたときのこのプログラムの出力例は

読み取る動画数は？（空で全件）: 100
2025-07-14 19:56:51から2025-07-15 10:35:38の視聴時間を推定します。
総再生時間 (動画数:100 ): 3:55:25

です。ここで100件の動画のリンク全てをGeminiに読み込ませ、動画時間の総和を計算したところ

合計: 4時間08分28秒

となりました。Geminiの値は上限値を与えるとはいえ、半日あたり約10分の誤差が生まれ、1月では5時間ほどの誤差範囲が存在することになります。

おわりに

誤差範囲が多くなる点については以下の対処法が挙げられます。

• 1.YoutubeAPIを用いて全ての動画の動画時間を総和し、上限値と下限値を用いての推定
• 2.「一時間耐久」など全視聴していないであろう動画をフィルタリングして除外
• 3.異常に長い or 短い時間間隔の動画に対しての手動確認

1.の方法に関しては莫大なお金がかかるので無理ですが、2,3については気が向いたらやろうかな。

にしても1万時間もYoutubeを見ているとは思わなかった。SNS恐るべし

最後に、Githubのリンクも載せておきます。みなさんもぜひ推定してみてください。

watch-history.htmlは、test.py(本プログラム)と同じディレクトリに配置してください。