问题描述
我正在寻找一个可能非常简单的问题的解决方案,并且非常希望得到一些帮助或提示。我有 Python 和 webscraping 的基本知识。
我想在 Twitter 上探索某个主题标签及其背后的社区。使用 twint,我已将所有提及主题标签的推文下载到 .csv 文件中。之后,我清理了 .csv,以便没有同一用户的多个条目(来自具有相同主题标签的多个推文)并将其保存为 .txt。 我现在想获得有关上述列表中大约 1.500 名用户的更多信息 - 主要是他们加入 Twitter 的日期,推文数量将是一个奖励。
我的尝试: Twint 应该能够做到这一点,但它不起作用(我正在使用他们 github 上提供的 docker 图像)。我试图通过以下方式获取用户信息:
twint --userlist /bin/userlist.txt --user-full -o userlistfull.csv --csv
Twint 发出了很长的错误消息,如果我理解正确的话,它与 twint 中的 open bug 相关:
CRITICAL:root:twint.get:User:'url'
ERROR:root:twint.run:Twint:Lookup:Unexpected exception occurred.
Traceback (most recent call last):
File "/usr/local/lib/python3.6/site-packages/twint/run.py",line 307,in Lookup
await get.User(self.config.Username,self.config,db.Conn(self.config.Database))
File "/usr/local/lib/python3.6/site-packages/twint/get.py",line 228,in User
await Users(j_r,config,conn)
File "/usr/local/lib/python3.6/site-packages/twint/output.py",line 177,in Users
user = User(u)
File "/usr/local/lib/python3.6/site-packages/twint/user.py",line 31,in User
_usr.url = ur['data']['user']['legacy']['url']
KeyError: 'url'
Traceback (most recent call last):
File "/usr/local/bin/twint",line 8,in <module>
sys.exit(run_as_command())
File "/usr/local/lib/python3.6/site-packages/twint/cli.py",line 339,in run_as_command
main()
File "/usr/local/lib/python3.6/site-packages/twint/cli.py",line 324,in main
run.Lookup(c)
File "/usr/local/lib/python3.6/site-packages/twint/run.py",line 386,in Lookup
run(config)
File "/usr/local/lib/python3.6/site-packages/twint/run.py",line 329,in run
get_event_loop().run_until_complete(Twint(config).main(callback))
File "/usr/local/lib/python3.6/asyncio/base_events.py",line 488,in run_until_complete
return future.result()
File "/usr/local/lib/python3.6/site-packages/twint/run.py",line 235,in main
await task
File "/usr/local/lib/python3.6/site-packages/twint/run.py",line 270,in run
await self.Lookup()
File "/usr/local/lib/python3.6/site-packages/twint/run.py",in User
_usr.url = ur['data']['user']['legacy']['url']
KeyError: 'url'
我尝试遍历列表并让 twint 单独查找每个用户名,但它也不起作用:
import twint
import os
import sys
import nest_asyncio
nest_asyncio.apply()
c = twint.Config()
with open("userlist.txt","r") as a_file:
for line in a_file:
stripped_line = line.strip()
stripped_line = c.Username
twint.run.Search(c)
使用 Google Colab 运行它我给了我
CRITICAL:root:twint.run:Twint:Feed:noDataExpecting value: line 1 column 1 (char 0)
sleeping for 1.0 secs
CRITICAL:root:twint.run:Twint:Feed:noDataExpecting value: line 1 column 1 (char 0)
sleeping for 8.0 secs
CRITICAL:root:twint.run:Twint:Feed:noDataExpecting value: line 1 column 1 (char 0)
sleeping for 27.0 secs
CRITICAL:root:twint.run:Twint:Feed:noDataExpecting value: line 1 column 1 (char 0)
sleeping for 64.0 secs
我在找什么 获取列表中这些用户的加入日期的最简单解决方案是什么?我应该使用不同的库吗?我可以用 Beautifulsoup 之类的东西遍历列表并刮掉加入日期吗?我该怎么做?
非常感谢帮助,提前致谢!
解决方法
尝试使用
安装它pip3 install --user --upgrade git+https://github.com/twintproject/twint.git@origin/master#egg=twint
并确保您的 python 版本高于 3.6 source