[PYTHON] So löschen Sie vergangene Tweets mit Tweepy selektiv

Einführung

Ich wollte die früheren Peing-Antwortbeiträge auf Twitter löschen, aber da fast 1000 Elemente gelöscht werden mussten, gab ich das manuelle Löschen auf und schrieb stattdessen ein Skript, das die Ziel-Tweets automatisch löscht. Es war.

Über Tweepy

Tweepy ist eine Python-Bibliothek, die die API von Twitter verwendet. Sie können dies verwenden, um Twitter-Bots zu erstellen und diese automatisch zu mögen und zu verfolgen. Dieses Mal werde ich ein Skript einführen, das bestimmte Tweets automatisch löscht.

Vorbereitung

・ Registrierung der Twitter-API (Siehe hier) ・ Laden Sie die Twitter-Archivdaten herunter (Siehe hier #))) ・ Installation von Tweepy und Pandas

Politik

Wenn Sie die Twitter-Archivdaten herunterladen, wird eine Datei namens tweet.js zusammen heruntergeladen. Diese Datei enthält eine große Menge vergangener Tweet-Daten, wie unten gezeigt. ** "tweet": {** Alles danach zeigt die Daten an, die sich auf einen Tweet beziehen, und unzählige ähnliche Daten werden als eine Datei konfiguriert. Als Richtlinie möchten wir Tweets, die "https://peing.net" enthalten, in der Zeile ** "source": ** der Datei tweet.js unten selektiv löschen. Zu diesem Zeitpunkt ist auch die jedem Tweet zugewiesene ID erforderlich, sodass auch die numerischen Daten in der Zeile ** "id_str": ** extrahiert werden.

 {
  "tweet" : {
    "retweeted" : false,
    "source" : "<a href=\"https://peing.net\" rel=\"nofollow\">Peing</a>",
    "entities" : {
      "hashtags" : [ {
        "text" : "Peing",
        "indices" : [ "18", "24" ]
      }, {
        "text" : "Fragefeld",
        "indices" : [ "25", "29" ]
      } ],
      "symbols" : [ ],
      "user_mentions" : [ ],
      "urls" : [ {
        "url" : "https://t.co/snIXxSjooH",
        "expanded_url" : "https://peing.net/ja/qs/636766292",
        "display_url" : "peing.net/ja/qs/636766292",
        "indices" : [ "30", "53" ]
      } ]
    },
    "display_text_range" : [ "0", "53" ],
    "favorite_count" : "0",
    "id_str" : "1203602228591788032",
    "truncated" : false,
    "retweet_count" : "0",
    "id" : "1203602228591788032",
    "possibly_sensitive" : false,
    "created_at" : "Sun Dec 08 09:08:27 +0000 2019",
    "favorited" : false,
    "full_text" : "Es ist ein praller und glänzender Reis.\n\n#Peing #Fragenfeld https://t.co/snIXxSjooH",
    "lang" : "ja"
  }

Code

importieren

Importieren Sie das Modul ** re **, da beim Extrahieren der Zeichenfolge der zu löschenden Tweet-Daten aus der Datei tweet.js der reguläre Ausdruck verwendet wird. Es werden auch ** Pandas ** importiert, um aus den extrahierten Daten einen Datenrahmen zu erstellen. ** datetime ** ist nicht erforderlich, da ich es persönlich importiere, um zu messen, wie lange es läuft. ** tweepy ** ist natürlich erforderlich.

import re
import pandas as pd
from datetime import datetime
import tweepy

Extraktion von Tweet-Daten

Definieren Sie eine Funktion, die die erforderlichen Daten (** "source": **, ** "id_str": **) aus tweet.js extrahiert und als Datenrahmen ausgibt.

def read_tweet_file(file):
    """
    reads a tweet.js into a pd.DataFrame
    """
    # tweet.Js-Datei lesen
    with open(file) as dataFile:
        datalines = dataFile.readlines()
        #Erstellen eines leeren Datenrahmens zum Speichern der extrahierten Daten
        colname = ['source', 'id']
        df = pd.DataFrame([], columns=colname)
        #Geben Sie das zu extrahierende Teil in der Liste an
        regexes = [r'    \"source\".*', r'    \"id_str\".*' ]
        for i, regex in enumerate(regexes):
            L = []
            for line in datalines:
                #Extrahieren Sie das Teil, das der Bedingung entspricht
                match_obj = re.match(regex, line)
                if match_obj :
                    L.append(match_obj.group())
            #Im Datenrahmen speichern
            df[colname[i]] = pd.Series(L)

        return df

Extraktion der zu löschenden Tweets

Definieren Sie eine Funktion, die die ID des Tweets ausgibt, der aus dem Datenrahmen gelöscht werden soll.

def extract_id(df):
    target_id = []
    for i in range(len(df)):
        #Extrahieren Sie nur Peing-Tweets aus dem Datenrahmen
        match_obj = re.search(r'https://peing.net', df['source'][i])
        if match_obj:
            #Geben Sie die zu löschende Tweet-ID als Liste aus
            target_id.append(int(re.search(r'[0-9]+', df['id'][i]).group()))

    return target_id

Tweets löschen

Geben Sie die Tweet-ID an und definieren Sie die Ausgabefunktion zum Löschen des Tweets.

def delete_tweets(target_id):
    delete_count = 0
    for status_id in target_id:
        try:
            #Tweet löschen
            api.destroy_status(status_id)
            print(status_id, 'deleted!')
            delete_count += 1
        except:
            print(status_id, 'deletion failed.')
    print(delete_count, 'tweets deleted.')

Lauf

Führen Sie die oben definierte Funktion aus.

#Authentifizierung für den Zugriff auf die Twitter-API
auth = tweepy.OAuthHandler('*API key*', '*API secret key*')
auth.set_access_token('*Access token*', '*Access token secret*')

api = tweepy.API(auth)
user = api.me()

#Lauf
print(datetime.now())
df = read_tweet_file('tweet.js')
target_id = extract_id(df)
delete_tweets(target_id)
print(datetime.now())

Ergebnis

Ich konnte die Ziel-Tweets von 976 automatisch löschen. (Die Ausführungszeit beträgt ca. 10 Minuten)

2020-02-07 17:24:57.816773
1204021701639426048 deleted!
1204020924015472640 deleted!
1204020044683833344 deleted!
1203904952684302337 deleted!

... (weggelassen) ...

1204025368052523014 deleted!
1204023316488560640 deleted!
1204023315221733376 deleted!
1204022282311499776 deleted!
976 tweets deleted.
2020-02-07 17:35:16.302221

schließlich

Spielen Sie mit dem hier eingeführten Code und führen Sie ein erfülltes Leben. Danke fürs Lesen. Na dann!