Come identificare se tweet è originale o retweet in scraping con HtmlAgilityPack?

Question

Come identificare se tweet è originale o retweet in scraping con HtmlAgilityPack?

c# filter html-agility-pack tweetr web-scraping

Domanda

Volevo Twitter tweet dell'utente per l'analisi dei dati. Per questo ho usato il pacchetto HtmlAgilityPack per raschiare Twitter e mi dà 30 top tweet.

Ho riconosciuto l'elemento tweet-text e ho recuperato tutti i tweet. Ma voglio identificare se è tweet o retweet. Come lo posso fare?

Ho analizzato HTML. Nel retweet ci sarà un elemento con tweet-context with-icn class. Ma quando scrivo tweet su quella classe, genera un'eccezione nulla, perché non tutti i tweet avranno quella classe. Quindi in base a cosa e come posso rasentare per sapere se è retweet o no?

Codice:

HtmlAgilityPack.HtmlWeb web = new HtmlAgilityPack.HtmlWeb();
HtmlAgilityPack.HtmlDocument doc = web.Load("https://twitter.com/BarackObama");

var TweetsNode= doc.DocumentNode.SelectNodes("//tr[@class='tweet-container']").ToList();

foreach (var item in TweetsNode)
{
    var tweet = new Tweets
    {
        console.WriteLine(item.innertext);
    };
}

Nel codice precedente, ho provato a recuperare i tweet del profilo di Barack Obama. Sto ricevendo i primi 30 tweet. Come posso riconoscere qual è il retweet?
Grazie.

Neelam Prajapati

Vedi di più su Stack Overflow

Accepted Answer

Scraping Twitter 101

Ottieni tutti i tweet da una pagina (che è utile nelle tabelle <table class='tweet '> )

HtmlWeb p = new HtmlWeb();
var doc = p.Load(@"https://twitter.com/dailygametips");
var nodes = doc.DocumentNode.SelectNodes("//table[@class='tweet  ']");

Cerca nei nodi per <span class='context'> per indicare che questo tweet è un retweet.

List<Tweet> tweets = new List<Tweet>();
foreach (var node in nodes)
{
    bool isRetweet = false;
    var spanNode = node.SelectSingleNode(".//span[@class='context']");
    if (spanNode != null && spanNode.InnerHtml.Contains("retweeted"))
    {
        isRetweet = true;
    }

Vogliamo anche il testo del messaggio, quindi scaricalo subito dopo <div class='tweet-text'> :

    string msg = string.Empty;
    var msgNode = node.SelectSingleNode(".//div[@class='tweet-text']");
    if (msgNode != null)
    {
        msg = msgNode.InnerText.Trim();
    }
    tweets.Add(new Tweet(msg, isRetweet));
}

Aggiunta della classe contenitore Tweet:

class Tweet
{
    public Tweet(string message, bool isRetweet)
    {
        Message = message;
        IsRetweet = isRetweet;
    }

    string Message { get; private set; }
    bool IsRetweet { get; private set; }
}

Come dici tu, questa non è una vera scienza missilistica. Ma è necessario comprendere i principi di base di XPath e Scraping.

Come identificare se tweet è originale o retweet in scraping con HtmlAgilityPack?

Domanda

Fastest Entity Framework Extensions

Risposta accettata

Scraping Twitter 101

Performance

Expression Evaluator

Related