TWINT：一款Twitter信息爬取工具

FB客服

发布于 2019-09-11 16:47:35

14.6K0

发布于 2019-09-11 16:47:35

文章被收录于专栏：FreeBufFreeBuf

Twint是一个用Python写的Twitter抓取工具，允许从Twitter配置文件中抓取推文，不使用Twitter的API。

Twint利用Twitter的搜索语法让您从特定用户那里搜索推文，特定主题，主题标签和相关的推文，或者从推文中挑选敏感信息，如电子邮件和电话号码。

Twint还对Twitter进行了特殊查询，允许您搜索Twitter用户的关注者，用户喜欢的推文，以及他们在API，Selenium或模拟浏览器的情况下关注的用户。

好处

使用Twint和Twitter API的一些好处：

1.可以获取几乎所有的推文（Twitter API限制只能持续3200个推文）; 2.快速初始设置; 3.可以匿名使用，无需Twitter注册; 4.没有速率限制。

Twitter的限制

Twitter会限制用户可以浏览的时间线。这意味着通过.Profile或者.Favorites你只可以看到~3200条推文。

要求

1.Python 3.6; 2.aiohttp; 3.aiodns; 4.beautifulsoup4; 5.cchardet; 6.elasticsearch; 7.pysocks; 8.pandas （> = 0.23.0）; 9.aiohttp_socks; 10.schedule; 11.geopy; 12.fake-useragent。

安装

Git的方法：

git clone https://github.com/twintproject/twint.git
pip3 install -r requirements.txt

PIP：

pip3 install twint

要么

pip3 install --user --upgrade -e git + https//github.com/twintproject/twint.git@origin/master#egg=twint

Pipenv：

pipenv install -e git + https：//github.com/twintproject/twint.git#egg=twint

CLI基本示例和组合

一些简单的例子可以帮助您掌握基础知识：

1.twint -u username- 从用户的时间线中删除所有推文。 2.twint -u username -s pineapple- 从包含pineapple的用户时间线中删除所有推文。 3.twint -s pineapple- 从每个人的推文收集每个包含pineapple的推文。 4.twint -u username —year 2014- 收集2014年之前发送推文的推文。 5.twint -u username —since 2015-12-20 - 收集自2015-12-20以来推文的推文。 6.twint -u username -o file.txt - 抓取推文并保存到file.txt。 7.twint -u username -o file.csv —csv - 抓取推文并保存为csv文件。 8.twint -u username —email —phone - 显示可能包含电话号码或电子邮件地址的推文。 9.twint -s “Donald Trump” —verified - 由经过验证的用户显示有关唐纳德特朗普的推文。 10.twint -g=”48.880048,2.385939,1km” -o file.csv —csv - 在巴黎一个地方绕半径1公里的推文将它们导出到csv文件中。 11.twint -u username -es localhost:9200 - 输出推文到Elasticsearch数据库中 12.twint -u username -o file.json —json - 抓取推文并保存为json文件。 13.twint -u username —database tweets.db - 将推文保存到SQLite数据库。 14.twint -u username —followers - Twitter用户的粉丝。 15.twint -u username —following - Twitter用户关注的人。 16.twint -u username —favorites - 收集用户最喜欢的所有推文（收集~3200推文）。 17.twint -u username —following —user-full - 收集一个人关注的完整用户信息 18.twint -u username —profile-full - 使用缓慢但有效的方法从用户的个人资料中收集推文（收集~3200推文，包括转推）。 19.twint -u username —retweets - 使用快速方法从用户的个人资料中收集最近的900个推文（包括转推）。 20.twint -u username —resume resume_file.txt - 从上次保存的scroll-id开始恢复搜索。

有关命令和选项的更多详细信息位于Wiki中

模块示例

Twint可以用作模块并支持自定义格式。

import twint
# Configure
c = twint.Config()
c.Username = "noneprivacy"
c.Search = "#osint"
c.Format = "Tweet id: {id} | Tweet: {tweet}"
# Run
twint.run.Search(c)

输出

955511208597184512 2018-01-22 18:43:19 GMT <now> pineapples are the best fruit
import twint
c = twint.Config()
c.Username = "noneprivacy"
c.Custom["tweet"] = ["id"]
c.Custom["user"] = ["bio"]
c.Limit = 10
c.Store_csv = True
c.Output = "none"
twint.run.Search(c)

存储选项

1.写入文件; 2.CSV; 3.JSON; 4.SQLite; 5.Elasticsearch。

Elasticsearch设置

有关使用Twint设置Elasticsearch的详细信息位于Wiki中。

图形可视化

图表详细信息也位于wiki中。

我们正在开发Twint桌面应用程序。

常问问题

我尝试从用户那里抓取推文，我知道它们存在，但我没有得到它们。

Twitter可以禁止影子账户，这意味着他们的推文不会通过搜索获得。要解决此问题，—profile-full请通过CLI使用Twint，如果使用Twint作为模块，则添加config.Profile_full = True。请注意，此过程将非常缓慢。