ツイッターのcsvデータからつぶやきだけをぬきだすpythonコード
もしかすとご存知の方もいるかもしれませんが、ツイッターの設定から全ツイート履歴をcsv形式でダウンロードすることができます。.csvファイルはカンマ区切りでデータが整列されているファイルです。
.csvファイルはpythonのcsvモジュールを使うことによって、取り扱うことができます。csvは外部モジュールではなく組み込みのモジュールですのでpipを使ってインストールする必要はありません。
ポイントは1行1行がリストになっていて、しかもその１行分がカンマ区切りされており、カンマ区切りのものもリストになっています。そのため[ ][ ]リストを２つならべてアクセスしています。（わかりにくい。）
import csv, pprint, codecs
file = open('tweets.csv', encoding="utf-8")
csv_reader = csv.reader(file)
data = list(csv_reader)
'''
print(len(data))#全ツイートの数
'''
count = 0
for i in range(len(data)):
count += 1
tweetdata = str(count) + ',' + str(data[i][5])
pprint.pprint(tweetdata)コードの解説
このコードは動作するものの、未完成の部分があります。pprint.pprint() を使用しても、表示が省略されてしまいます。9行目の for ループは、range(len(data)) を使って全てのツイートリストを順に取得します。
count 変数は、表示を見やすくするために使用しています。
11行目では、data[i][5] としています。[i] の部分は、リスト data の中のツイートを順番に取得するために使用されます。[5] としているのは、カンマ区切りの5番目（たぶん4番目、0から数えるため）にツイートの内容があるためです。
このコードを応用すると色々なことができるかもしれません。何個とってくるか、期間を設定したり、正規表現を使うことで、キーワードを抽出できるかもしれません。
補足: powershellでツイッターキーワードを抽出するプログラムの紹介
ツイッターでキーワードを抽出するプログラムはpowershellで作っておられる方がいらっしゃいます。
PowerShell基礎文法最速マスター – PowerShell Scripting Weblogのどこかにコードがあったと思います。今回紹介したコードももっと改良して、色々できるようにはしたいです。
追記
for i in range(1000, 2000):というようにすると好きな範囲をとってくることができます。ただ、これは条件分岐構文で書いたほうがよいと思います。一応好きなところをとれるよということでした。それでは。
コメント