仅按语言过滤 Twitter 提要

Posted 2023-03-28

【中文标题】仅按语言过滤 Twitter 提要

【英文标题】：Filter Twitter feeds only by language

【发布时间】：2015-01-09 12:28:13

【问题描述】：

我正在使用 Tweepy API 来提取 Twitter 提要。我只想提取特定语言的所有 Twitter 提要。语言过滤器仅在提供track 过滤器时才有效。以下代码返回406错误：

l = StdOutListener()
auth = OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_token_secret)
stream = Stream(auth, l)
stream.filter(languages=["en"])

如何使用 Tweepy 从特定语言中提取所有推文？

【问题讨论】：

这个问题你解决了吗。我还想提取特定语言的推文，比如日语。

【参考方案1】：

您不能（没有特殊访问权限）。流式传输所有推文（未过滤）需要连接到the firehose，这仅在特定用例中由 Twitter 授予。老实说，firehose 并不是真正需要的——正确使用track 可以获得比你知道的更多的推文。

尝试使用这样的东西：

stream.filter(languages=["en"], track=["a", "the", "i", "you", "u"]) # etc

用这样的词过滤会得到很多很多推文。如果您想要最常用词的真实数据，请查看来自时代周刊的这篇文章：The 500 Most Frequently Used Words on Twitter。您可以使用up to 400 关键字，但这可能会在给定的时间间隔内接近 1% 的推文限制。如果您的 track 参数在给定时间匹配 60% 的所有推文，您仍然只会得到 1%（这是很多推文）。

【讨论】：

谢谢！！我在输入stream.filter(lang=["en"], track=["something"])

【参考方案2】：

在Cursor() 中尝试lang='en' 参数，例如

tweepy.Cursor(.. lang='en')

【参考方案3】：

除了直接获取过滤后的推文外，您还可以通过以下方式在获取所有不同语言的推文后对其进行过滤：

tweets = api.search("python")
for tweet in tweets:
   if tweet.lang == "en":
      print(tweet.text)
      #Do the stuff here

希望对你有帮助。

【参考方案4】：

你可以在github代码https://github.com/tweepy/tweepy/blob/master/tweepy/streaming.py看到track方法的参数

将语言放入 ISO_639-1_codes 数组中。

他们是：

filter(self, follow=None, track=None, is_async=False, locations=None,
               stall_warnings=False, languages=None, encoding='utf8', filter_level=None):

所以要按语言进行跟踪：

class Listener(StreamListener):

    def on_data(self, data):
        j = json.loads(data)
        t = 
          'screenName' : j['user']['screen_name'],
          'text:': j['text']
          
        print(t)
        return(True)

    def on_status(self, status):
        print(status.text)


auth = OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_token_secret)

stream = Stream(auth=auth, listener=Listener(),wait_on_rate_limit=True,wait_on_rate_limit_notify=True)

stream.filter(track=['Trump'],languages=["en","fr","es"])

【参考方案5】：

Tweepy search 允许获取特定语言的推文。您可以使用 ISO 639-1 代码来指定语言参数的值。 以下代码将获取具有指定语言全文的推文（以下示例为英语）

    auth = tweepy.OAuthHandler(consumer_key, consumer_secret)
    auth.set_access_token(access_token, access_token_secret)
    api = tweepy.API(auth)
    tweets = api.search(q = keywordtosearch, lang = 'en', count = 100, truncated = False, tweet_mode = 'extended')
    for tweet in tweets:
        print(tweet.full_text)
        #add your code

【讨论】：

试过你的代码，得到AttributeError: 'API' object has no attribute 'search'

用 search_tweets 替换搜索

【参考方案6】：

这对我有用。

auth = tweepy.OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_token_secret)
api = tweepy.API(auth)
a=input("Enter Tag: ")
tweets = api.search(a, count=200)
a=[]
for tweet in tweets:
    if tweet.lang == "en":
        a.append(tweet.text)

【参考方案7】：

借助 GetOldTweets3 (https://pypi.org/project/GetOldTweets3/)，您可以通过筛选几个条件来下载推文（甚至是旧推文），如下所示：

tweetCriteria = got.manager.TweetCriteria().setQuerySearch('Coronavirus')\
                                       .setSince("2020-02-15")\
                                       .setUntil("2020-03-29")\
                                       .setMaxTweets(5)\
                                       .setNear('India')\
                                       .setLang('en')
tweets = got.manager.TweetManager.getTweets(tweetCriteria)
for tweet in tweets:
    print(tweet.text)
    print(tweet.date)
    print(tweet.geo)
    print(tweet.id)
    print(tweet.permalink)
    print(tweet.username)
    print(tweet.retweets)
    print(tweet.favorites)
    print(tweet.mentions)
    print(tweet.hashtags)
    print('*'*50)