Comment scraper les Tweets de Donal Trump sur Twitter avec Python 3 et Requests

Arrêtez de copier le net. Scrapez le.

 

Comment scraper les Tweets de Donal Trump sur Twitter avec Python 3 et Requests

twitter-donald-trump-main

On ne présente plus notre adorable président américain, l’homme de tous les excès, de toutes les audaces, de tous les débordements. Cet homme privilégie par ailleurs, et c’est une première dans l’histoire de la politique moderne, le site de micro-messages américain : Twitter.

twitter-python-scraping-donald-trump-p54uio0
Look how cute he is

Nous allons donc, au cours de ce tutoriel, en utilisant Python 3, Requests, et lxml, collecter l’ensemble des Tweets de notre cher président US, et les afficher dans la console. HAPPY THANKSGIVING TO ALL!

Quelle donnée allons nous extraire ?

Rendons-nous d’abord sur la page avec l’ensemble des Tweets de Donald Trump à extraire : https://twitter.com/realDonaldTrump. Voici les champs que nous allons extraire :

  1. Contenu du Tweet
  2. Date de publication

Et maintenant, un screenshot afin de visualiser la présence de chaque élément dans le site web :

twitter-python-scraping-donald-trump-p54uio1
DoniTweet, and DoniDate

Trouvez la donnée

Avant de commencer à construire le scraper, nous devons trouver où les données sont présentes dans les balises HTML de la page Web. Il faut connaître le fonctionnement des balises HTML de la page pour pouvoir faire ça.

Nous allons supposer que vous avez déjà des bases en HTML et que vous connaissez le langage Python. Vous n’avez pas besoin de plus de connaissances pour réaliser ce tutoriel.

Si vous ne connaissez ni le HTML, ni le CSS, ni le XPATH, ni le Python, prenez le temps de lire Premiers pas avec HTML – Mozilla Developer Network, Tutoriel CSS W3 School, XPath Tutorial – W3Schools,  et https://www.programiz.com/python-programming

Nous allons inspecter le code HTML de la page Web et localiser les données, en suivant la logique suivante :

  1. Inspecter l’élément
  2. Trouver la balise correspondante

Inspecter l’HTML

Ouvrez votre navigateur Chrome, et rendez-vous sur la page de Donald Trump de Twitter, à l’adresse évoquée plus haut. Vous pouvez le faire avec d’autres navigateurs, mais ce tutoriel se fait sur Chrome, et facilitera votre apprentissage.

Faites, un clique droit, puis cliquer sur Inspecter.

twitter-python-scraping-donald-trump-p54uio2
Inspecteur Navarump

Nous allons maintenant chercher le tag XPath de chaque élément, avant de lancer notre scraper. Pour faciliter la recherche, cliquer sur le curseur en bas à gauche. Passez ensuite votre souris sur les éléments que nous avons cités en introduction.

On remarque d’abord que chaque Tweet est présent au sein d’un bloc HTML li > qui a pour attribut @class, « js-stream-item stream-item stream-item ».

Par ailleurs, chaque text de Tweet est présent au sein dun bloc HTML < p > qui a pour attribut @class : « TweetTextSize TweetTextSize–normal js-tweet-text tweet-text ».

twitter-python-scraping-donald-trump-p54uio3
505.90 x 80

Par ailleurs, on note que la date est joliment cachée dans au sein d’un bloc HTML < a >, qui a pour attribut @class, « tweet-timestamp js-permalink js-nav js-tooltip », au sein de l’élément @data-original-title.

twitter-python-scraping-donald-trump-p54uio4

Voilà le XPATH, pour chaque élément :

  • Tweet : //li[@class=’js-stream-item stream-item stream-item ‘]
  • Texte : //p[@class=’TweetTextSize TweetTextSize–normal js-tweet-text tweet-text’]/text()
  • Date de publication : //a[@class=’tweet-timestamp js-permalink js-nav js-tooltip’]/@title

Comment configurer son ordinateur pour le Web Scraping

Nous allons utiliser Python 3 pour ce tutoriel. Pour commencer, vous avez besoin d’un ordinateur avec Python 3 et PIP installé dedans.

La plupart des systèmes d’exploitation UNIX comme Linux et Mac OS sont livrés avec Python déjà installé. Mais, tous les systèmes d’exploitation Linux ne sont pas livrés avec Python 3 par défaut.

Vérifions votre version de python. Ouvrez un terminal (sous Linux et Mac OS) ou Invite de commandes (sous Windows) et tapez

Si vous n’avez pas Python 3, il va falloir l’installer.

Installer Python et Request

Pour installer Python et PIP, vous pouvez vous rendre sur le post que nous avons déjà fait à ce sujet : https://lobstr.io/index.php/2018/02/15/installer-librairies-python-mac-os/

Pour installer Requests, et les autres librairies utilisées dans le code, il suffit d’ouvrir votre commande, et de

Pour plus de renseignements sur Requests et ses fonctionnalités avec Python, leur documentation est fournie et très utile : http://docs.python-requests.org/en/master/

Le code

Pour exécuter le script, ouvrez votre éditeur Sublime Text 3, copier-coller le code ci contre, et enregistrez le sous le nom de twitter_dtrump.py. Si vous ne savez pas comment l’installer, rendez-vous ici : https://gist.github.com/Lobstrio/27a997c2e234be21d391095c9a529ff6

Dans votre commande, placez ensuite la ligne suivante :

Vous pourrez ensuite observer directement depuis votre console, le résultat suivant :

twitter-python-scraping-donald-trump-p54uio
God, it’s dark poetry

Vous pouvez également télécharger le code sur notre Github, à l’adresse suivante : https://gist.github.com/Lobstrio/8ba48ad2b7e2d535008a5eb83ff33334. N’hésitez pas à nous indiquer dans les commentaires, ou sur le github, si le script fonctionne bien chez vous aussi.

Limitations connues

Le script permet de collecter les données des premiers Tweets de Donald Trump. Toutefois, il ne permet de collecter que deux champs, la donnée n’est pas enregistré dans un fichier Excel, tandis que seuls les premiers tweets sont conservés. 

Si vous avez besoin d’aide pour scraper des milliers de données de façon récurrente et à grande échelle, vous pouvez nous contacter via le formulaire ci-dessous :

Avertissement: Tout code fourni dans nos tutoriels est destiné à des fins d’illustration et d’apprentissage uniquement. Nous ne sommes pas responsables de la façon dont il est utilisé et n’assumons aucune responsabilité pour toute utilisation préjudiciable du code source. La simple présence de ce code sur notre site n’implique pas que nous encourageons le scraping ou l’extraction de données des sites référencés dans le code et le tutoriel qui l’accompagne. Les tutoriels ne font qu’illustrer la technique de programmation des scrapers web pour les sites internet populaires. Nous ne sommes pas obligés de fournir un support pour le code, cependant, si vous ajoutez vos questions dans la section des commentaires, nous pouvons vous y répondre périodiquement.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *