Extracción de Tweets usando Tweepy

Introducción: Twitter es una red social popular donde los usuarios comparten mensajes llamados tweets. Twitter nos permite extraer los datos de cualquier usuario que utilice la API de Twitter o Tweepy. Los datos serán tweets extraídos del usuario. Lo primero que debe hacer es obtener la clave de consumidor, el secreto de consumidor, la clave de acceso y el secreto de acceso del desarrollador de Twitter disponibles fácilmente para cada usuario. Estas claves ayudarán a la API para la autenticación.

Pasos para obtener claves:
– Inicie sesión en la sección de desarrolladores de Twitter
– Vaya a “Crear una aplicación”
– Complete los detalles de la aplicación.
– Haga clic en Crear su aplicación de Twitter
. Se mostrarán los detalles de su nueva aplicación junto con la clave del consumidor y el secreto del consumidor.
– Para el token de acceso, haga clic en «Crear mi token de acceso». La página se actualizará y generará un token de acceso.

Tweepy es una de las bibliotecas que debe instalarse usando pip. Ahora, para autorizar que nuestra aplicación acceda a Twitter en nuestro nombre, debemos usar la interfaz OAuth. Tweepy proporciona la conveniente interfaz de Cursor para iterar a través de diferentes tipos de objetos. Twitter permite un máximo de 3200 tweets para la extracción.

Todos estos son los requisitos previos que deben usarse antes de obtener tweets de un usuario.

Código (con explicación):

import tweepy
  
# Fill the X's with the credentials obtained by 
# following the above mentioned procedure.
consumer_key = "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX" 
consumer_secret = "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
access_key = "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
access_secret = "XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX"
  
# Function to extract tweets
def get_tweets(username):
          
        # Authorization to consumer key and consumer secret
        auth = tweepy.OAuthHandler(consumer_key, consumer_secret)
  
        # Access to user's access key and access secret
        auth.set_access_token(access_key, access_secret)
  
        # Calling api
        api = tweepy.API(auth)
  
        # 200 tweets to be extracted
        number_of_tweets=200
        tweets = api.user_timeline(screen_name=username)
  
        # Empty Array
        tmp=[] 
  
        # create array of tweet information: username, 
        # tweet id, date/time, text
        tweets_for_csv = [tweet.text for tweet in tweets] # CSV file created 
        for j in tweets_for_csv:
  
            # Appending tweets to the empty array tmp
            tmp.append(j) 
  
        # Printing the tweets
        print(tmp)
  
  
# Driver code
if __name__ == '__main__':
  
    # Here goes the twitter handle for the user
    # whose tweets are to be extracted.
    get_tweets("twitter-handle") 

Conclusión:
el script anterior generaría todos los tweets del usuario en particular y se agregaría a la array vacía tmp. Aquí Tweepy se presenta como una herramienta para acceder a los datos de Twitter de una manera bastante sencilla con Python. Hay diferentes tipos de datos que podemos recopilar, con el enfoque obvio en el objeto «tweet». Una vez que hemos recopilado algunos datos, las posibilidades en términos de aplicaciones de análisis son infinitas.

Una de esas aplicaciones de extracción de tweets es el análisis de sentimientos o emociones. La emoción del usuario se puede obtener de los tweets tokenizando cada palabra y aplicando algoritmos de aprendizaje automático sobre esos datos. Tal detección de emociones o sentimientos se usa en todo el mundo y se usará ampliamente en el futuro.

Este artículo es una contribución de Ayush Govil . Si te gusta GeeksforGeeks y te gustaría contribuir, también puedes escribir un artículo usando write.geeksforgeeks.org o enviar tu artículo por correo a review-team@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.

Escriba comentarios si encuentra algo incorrecto o si desea compartir más información sobre el tema tratado anteriormente.