Tweepy:现在可以使用 Twitter 搜索 API 获取旧推文?

Posted

技术标签:

【中文标题】Tweepy:现在可以使用 Twitter 搜索 API 获取旧推文?【英文标题】:Tweepy: get old tweets now possible with Twitter search api? 【发布时间】:2015-03-31 19:16:12 【问题描述】:

根据http://www.theverge.com/2014/11/18/7242477/twitter-search-now-lets-you-find-any-tweet-ever-sent Twitter 搜索现在可让您找到任何已发送的推文。

但是当我尝试使用 tweepy 从 2014 年到 2015 年获取推文时,它只会获得最近的:

    query = 'Nivea'
    max_tweets = 1000
    searched_tweets = [json.loads(status.json) for status in tweepy.Cursor(api.search,
                                                                           q=query,
                                                                           count=100,
                                                                           #since_id="24012619984051000",
                                                                           since="2014-02-01",
                                                                           until="2015-02-01",
                                                                           result_type="mixed",
                                                                           lang="en"
                                                                           ).items(max_tweets)]

我试过 since="2014-02-01" 和 since_id 但没关系。

【问题讨论】:

Twitter API 有一些限制,这个库解决了问题,看看:github.com/Jefferson-Henrique/GetOldTweets-python 【参考方案1】:

很遗憾,您无法从 Twitter 访问过去的数据。不是您使用什么库的问题:Tweepy、Twitter4J 等等,只是 Twitter 不会提供任何超过或少于 2 周的数据。

要获取历史数据,您需要直接通过 Twitter 或 GNIP 等第三方经销商访问 firehose。

【讨论】:

【参考方案2】:

我使用我自己的一段代码,它使用 HttpURLConnection 和 twitter 搜索 url。然后,我使用正则表达式提取最后 20 条匹配的推文……幸运的是,当我删除推文时,我可以简单地再次搜索,直到找不到更多推文。我包括了代码,虽然它是用 Java 编写的,但同样适用于任何语言。首先,我使用一个类来实际搜索推文并记录其详细信息:

public class ReadSearch
    private String startURL = "https://twitter.com/search?f=realtime&q=from%3A";
    private String middleURL = "%20%40";
    private String endURL = "&src=typd";

    public ArrayList<Tweet> getTweets(String user, String troll) 
        ArrayList<Tweet> tweets = new ArrayList<Tweet>();
        String expr = "small.class=\"time\".*?href=\"/"
                + "([^/]+)"
                + ".*?status/"
                + "([^\"]+)"
                + ".*?title=\""
                + "([^\"]+)";
        Pattern patt = Pattern.compile(expr, Pattern.DOTALL | Pattern.UNIX_LINES);
        try 
            Matcher m = patt.matcher(getData(startURL+user+middleURL+troll+endURL));
            while (m.find()) 
                if(user.equals(m.group(1).trim()))
                    Tweet tw = new Tweet();
                    tw.setUser(m.group(1).trim());
                    tw.setTweetid(Long.parseLong(m.group(2).trim()));
                    tw.setDate(m.group(3).trim());
                    tweets.add(tw);
                
            
         catch (Exception e) 
            e.printStackTrace();
            System.out.println("Exception " + e);
        
        return tweets;
    

    private StringBuilder getData(String dataurl) throws MalformedURLException, IOException
        URL url = new URL(dataurl);
        HttpURLConnection httpcon = (HttpURLConnection) url.openConnection();
        httpcon.addRequestProperty("User-Agent", "Mozilla/4.76");
        StringBuilder sb = new StringBuilder(16384);
        BufferedReader br = new BufferedReader(new InputStreamReader(httpcon.getInputStream(), "ISO-8859-1"));
        String line;
        while ((line = br.readLine()) != null)
            sb.append(line);
            sb.append('\n');
        
        httpcon.disconnect();
        br.close();
        return sb;
    

    public static void main(String [] args)
        //testing
        ReadSearch rs = new ReadSearch();
        ArrayList<Tweet> tweets = rs.getTweets("Tony_Kennah", "PickLuckier");
        for(Tweet t : tweets)
            System.out.println("TWEET: " + t.toString());
        
    

然后我们需要 Tweet 类本身,这样我们就可以将 Tweets 分组并用它们做事,它只是一个像这样的 bean:

public class Tweet 
    private String user;
    private long tweetid;
    private String date;

    public String getUser()
        return user;
    
    public void setUser(String user)
        this.user = user;
    
    public long getTweetid()
        return tweetid;
    
    public void setTweetid(long tweetid)
        this.tweetid = tweetid;
    
    public String getDate()
        return date;
    
    public void setDate(String date)
        this.date = date;
    
    public String toString()
        return this.tweetid + " " + this.user + " " + this.date;
    

...所以这只是标准的java。为了使用上面的代码,我使用 Twitter4J API 并这样做:

public class DeleteTweets

    public static void main(String args[]) throws Exception
    
        Twitter twitter = TwitterFactory.getSingleton();
        ArrayList<Tweet> tweets = new ArrayList<Tweet>();
        String [] people =  "PickLuckier" ;
        for(String s : people)
            do
                ReadSearch rs = new ReadSearch();
                tweets = rs.getTweets(twitter.getScreenName(), s);
                for(Tweet tw : tweets)
                    twitter.destroyStatus(tw.getTweetid());
                
             while(tweets.size()!=0);
        
    

就是这样。我不使用 cmets,但我希望很容易看到发生了什么,这对您有所帮助。

【讨论】:

以上是关于Tweepy:现在可以使用 Twitter 搜索 API 获取旧推文?的主要内容,如果未能解决你的问题,请参考以下文章

使用 Tweepy 的 Twitter 错误代码 429

以 JSON 格式获取 Tweepy 搜索结果

如何使用 Tweepy 获取 Twitter 生物信息

使用 Python Tweepy 搜索词交集和并集

如何在 Python 上使用 Tweepy 创建 Twitter 线程

使用 Tweepy 避免 Twitter API 限制