对推文数据文件使用方法的一些说明

分享地址点我

备用网盘: https://pan.baidu.com/s/1_k2KLLe0gjmaHJkbpzevJQ 提取码: whxs

上一篇是爬取推文的详细内容

首先这个文件,扩展名是json,严格来说应该是jsonl文件,也就是每行都是一个json。让json文件看上去更舒服,你需要一个json格式化工具,比如json.cn还有bejson.com。将json文件中的一行粘进去(复制多行可能会报错)然后点格式化,你就会发现被加了很多换行,看起来更方便了:

完整版:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
{
"created_at":"Sat Nov 09 15:33:18 +0000 2019",
"id":1193189828885565440,
"id_str":"1193189828885565440",
"full_text":"ひとみんがジェスチャーしてくれるんだよぉ、、、対決に集中するの大変だった😂💓笑

今夜も聴いてくださいねー(*^▽^*)
はるか☀️
#白黒瞳 https://t.co/J6YsbEhDRK",
"truncated":false,
"display_text_range":[
0,
71
],
"entities":{
"hashtags":[
{
"text":"白黒瞳",
"indices":[
67,
71
]
}
],
"symbols":[

],
"user_mentions":[

],
"urls":[

],
"media":[
{
"id":1193189821625192448,
"id_str":"1193189821625192448",
"indices":[
72,
95
],
"media_url":"http://pbs.twimg.com/media/EI8P0iuU0AAG6BV.jpg",
"media_url_https":"https://pbs.twimg.com/media/EI8P0iuU0AAG6BV.jpg",
"url":"https://t.co/J6YsbEhDRK",
"display_url":"pic.twitter.com/J6YsbEhDRK",
"expanded_url":"https://twitter.com/shiraishi_haruk/status/1193189828885565440/photo/1",
"type":"photo",
"sizes":{
"medium":{
"w":1200,
"h":900,
"resize":"fit"
},
"thumb":{
"w":150,
"h":150,
"resize":"crop"
},
"small":{
"w":680,
"h":510,
"resize":"fit"
},
"large":{
"w":2046,
"h":1534,
"resize":"fit"
}
},
"features":{
"medium":{
"faces":[

]
},
"small":{
"faces":[

]
},
"orig":{
"faces":[

]
},
"large":{
"faces":[

]
}
}
}
]
},
"extended_entities":{
"media":[
{
"id":1193189821625192448,
"id_str":"1193189821625192448",
"indices":[
72,
95
],
"media_url":"http://pbs.twimg.com/media/EI8P0iuU0AAG6BV.jpg",
"media_url_https":"https://pbs.twimg.com/media/EI8P0iuU0AAG6BV.jpg",
"url":"https://t.co/J6YsbEhDRK",
"display_url":"pic.twitter.com/J6YsbEhDRK",
"expanded_url":"https://twitter.com/shiraishi_haruk/status/1193189828885565440/photo/1",
"type":"photo",
"sizes":{
"medium":{
"w":1200,
"h":900,
"resize":"fit"
},
"thumb":{
"w":150,
"h":150,
"resize":"crop"
},
"small":{
"w":680,
"h":510,
"resize":"fit"
},
"large":{
"w":2046,
"h":1534,
"resize":"fit"
}
},
"features":{
"medium":{
"faces":[

]
},
"small":{
"faces":[

]
},
"orig":{
"faces":[

]
},
"large":{
"faces":[

]
}
},
"ext_alt_text":null
}
]
},
"source":"<a href="http://twitter.com/download/iphone" rel="nofollow">Twitter for iPhone</a>",
"in_reply_to_status_id":null,
"in_reply_to_status_id_str":null,
"in_reply_to_user_id":null,
"in_reply_to_user_id_str":null,
"in_reply_to_screen_name":null,
"user":{
"id":709304702945525760,
"id_str":"709304702945525760",
"name":"白石晴香 & STAFF",
"screen_name":"shiraishi_haruk",
"location":"",
"description":"白石晴香 official Twitter
ヒラタオフィス スタッフが出演情報やオフショットなどを呟きます。
ときどき、本人も登場!
※本人の呟きには☀はるか☀が付きます。",
"url":"https://t.co/S5oiEckoxp",
"entities":{
"url":{
"urls":[
{
"url":"https://t.co/S5oiEckoxp",
"expanded_url":"http://www.hirata-office.jp/talent_profile/woman/haruka_shiraishi.html",
"display_url":"hirata-office.jp/talent_profile…",
"indices":[
0,
23
]
}
]
},
"description":{
"urls":[

]
}
},
"protected":true,
"followers_count":38360,
"friends_count":0,
"listed_count":1658,
"created_at":"Mon Mar 14 09:06:34 +0000 2016",
"favourites_count":0,
"utc_offset":null,
"time_zone":null,
"geo_enabled":false,
"verified":false,
"statuses_count":4242,
"lang":null,
"contributors_enabled":false,
"is_translator":false,
"is_translation_enabled":false,
"profile_background_color":"000000",
"profile_background_image_url":"http://abs.twimg.com/images/themes/theme1/bg.png",
"profile_background_image_url_https":"https://abs.twimg.com/images/themes/theme1/bg.png",
"profile_background_tile":false,
"profile_image_url":"http://pbs.twimg.com/profile_images/826687582771621888/wB5UGDT__normal.jpg",
"profile_image_url_https":"https://pbs.twimg.com/profile_images/826687582771621888/wB5UGDT__normal.jpg",
"profile_image_extensions_alt_text":null,
"profile_link_color":"F58EA8",
"profile_sidebar_border_color":"000000",
"profile_sidebar_fill_color":"000000",
"profile_text_color":"000000",
"profile_use_background_image":false,
"has_extended_profile":true,
"default_profile":false,
"default_profile_image":false,
"can_media_tag":false,
"followed_by":false,
"following":true,
"follow_request_sent":false,
"notifications":false,
"translator_type":"none"
},
"geo":null,
"coordinates":null,
"place":null,
"contributors":null,
"is_quote_status":false,
"retweet_count":215,
"favorite_count":1023,
"favorited":false,
"retweeted":false,
"possibly_sensitive":false,
"lang":"ja"
}

接下来我对其中一部分名称进行解释。


部分名称解释

created_at:发推的时间,注意这里的时间是UTC,换算成日本时间需要再加9小时。

id:每条推文的唯一id

full_text:推文全文

source:来源

in_reply_to_status_id:回复的推文id,不是回复则为null

in_reply_to_user_id:回复的推主id,不是回复则为null

in_reply_to_screen_name:回复的推主用户名,不是回复则为null

entities和extended_entities:一条推中除了文字外,推主发的其他内容。可以包含”hashtags”(就是tag),”user_mentions”(被提到的账号),”urls”(发的链接),”media”(图片,视频等,这个下面单独说)


media

图片视频动图等。这里面还包含很多子对:

id:这个id和推文id是相同的

media_url与media_url_https:媒体的真实地址。可以复制文件名在图包里搜索

faces:人脸识别

video_info:只有媒体是视频时才有,以下是一个示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
"video_info":{
"aspect_ratio":[
3,
4
],
"duration_millis":6432,
"variants":[
{
"bitrate":832000,
"content_type":"video/mp4",
"url":"https://video.twimg.com/ext_tw_video/908273642907115520/pr/vid/480x640/G7WK7_mqb4gDwsQG.mp4"
},
{
"bitrate":256000,
"content_type":"video/mp4",
"url":"https://video.twimg.com/ext_tw_video/908273642907115520/pr/vid/240x320/Ri2n8omEx5b8WAho.mp4"
},
{
"bitrate":2176000,
"content_type":"video/mp4",
"url":"https://video.twimg.com/ext_tw_video/908273642907115520/pr/vid/960x1280/x_Xf_HLnl06IjMc3.mp4"
},
{
"content_type":"application/x-mpegURL",
"url":"https://video.twimg.com/ext_tw_video/908273642907115520/pr/pl/xOIH7VI_mOhG2CGN.m3u8"
}
]
}

其中一部分名称的解释:

aspect_ratio:宽高比

duration_millis:时长,单位为毫秒

bitrate:码率,单位为b/s

url:真实地址

另外可以看出twitter视频分为mp4和hls两种格式,每种格式有三种不同的质量(m3u8里也是分三种质量的)


user

推主相关信息。当然这部分在所有行里面都是一致的。这里面还包含很多子对:

id:推主唯一id

screen_name:这里推特中文界面称之为“用户名”,就是@后面那一串

expanded_url:个人资料的真实链接

protected:是否被保护,即名字后面是否带个锁

followers_count:粉丝数

friends_count:关注数

created_at:账号创建时间,同样是UTC

favourites_count:点赞数,这里是0,是她决定销号后取消了所有赞还是从来没点过赞我暂且蒙在古里

statuses_count:发推数,包含转推

profile_image_url与profile_image_url_https:头像小图


retweeted_status和quoted_status

转推的内容和引用的内容,这个对象就是个推文套娃

quoted_status_permalink:引用的推文链接


retweet_count:被转推次数。注意如果是转推的话这个数值和转的推的数值是相同的,不存在单独统计

favorite_count:被赞次数。如果是转推的话无法被赞,这个值为0

lang:语言

文章作者: nulla
文章链接: https://nulla.top/2020/01/12/twitter-shiraishi-haruk/
版权声明: 本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 nulla blog