Question

我想从我的推文中收集所有Twitter卡的标题和网址。例如，对于此推文：https://twitter.com/WSJ/status/1021517076069056514，我想检索以下信息：

标题：“全球中央银行Chat不休的债券市场”
图片链接：“ https://pbs.twimg.com/card_img/1021513789722841093/LQWGa8uL?format=jpg&name=600x314”

现在，我通过转到鸣叫并检查卡来获取此信息，但我想这样做以获取代码并遍历我的鸣叫。有谁知道如何以编程方式获取此信息？非常感谢！

Answer 1

TLDR ;真正的最佳答案可能是Get Twitter card from API

的副本

答案建议检查对URL的请求并检查HTML元素。这适用于您的示例推文，但不幸的是，它可能不足以适用于所有其他推文。

例如，我使用了在示例中找到的硬编码标签，而这些标签可能不在其他标签中。但是可以肯定的是，这可以作为起点，并适用于所有推文。

最重要的是证明它可以做到。

import tweepy
from tweepy import OAuthHandler
import requests 

# fill values
consumer_key = ''
consumer_secret = ''
access_token = ''
access_secret = ''

auth = OAuthHandler(consumer_key, consumer_secret)
auth.set_access_token(access_token, access_secret)

api = tweepy.API(auth)

tweet_id = 1021517076069056514

status = api.get_status(id=tweet_id)

tweet_url = status.entities['urls'][0]['expanded_url']

r = requests.get(tweet_url)

from bs4 import BeautifulSoup

soup = BeautifulSoup(r.content, 'html.parser')

media_container =  soup.select('div.card2.js-media-container')

tweet_card = media_container[0].select('div.js-macaw-cards-iframe-container')

tweet_card_url = tweet_card[0]['data-full-card-iframe-url']

twitter_base_url = 'http://www.twitter.com'

r2 = requests.get(''.join([twitter_base_url, tweet_card_url]))

final_page = r2.content

soup2 = BeautifulSoup(final_page, 'html.parser')

final_data = soup2.find('img', {'class': 'u-block'}) 

headline = final_data['alt']
image_link = final_data['data-src']

print 'Headline: {}'.format(headline)
print 'Image Link: {}'.format(image_link)

获取：

Headline: Global central banks have rattled bond markets
Image Link: https://pbs.twimg.com/card_img/1021513789722841093/LQWGa8uL?format=jpg&name=600x314

我可以检索Twitter Card标题和媒体URL吗？

1 个答案: